🚀 MCP 推理器
MCP 推理器是一个系统化的推理 MCP 服务器实现，专为 Claude 桌面版量身打造。它集成了束搜索（Beam Search）和蒙特卡洛树搜索（MCTS）功能，能有效解决各类复杂推理问题，为用户提供强大的推理支持。
🚀 快速开始
要使用 MCP 推理器，你可以按照以下步骤进行安装和配置：
安装
git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build
配置
将以下配置添加到 Claude 桌面版配置中：
{
"mcpServers": {
"mcp-reasoner": {
"command": "node",
"args": ["path/to/mcp-reasoner/dist/index.js"]
}
}
}
✨ 主要特性
- 双重搜索策略：
- 束搜索：支持配置宽度，维护一组固定宽度的最可能路径，适用于逐步推理，尤其擅长解决数学问题和逻辑谜题。
- 蒙特卡洛树搜索：适用于复杂决策空间，基于模拟的决策空间探索，能平衡探索与利用，在复杂问题上表现出色。
- 思考评分与评估：基于详细程度、数学表达式、逻辑连接词和父子关系强度等因素进行思考评分。
- 基于树的推理路径：通过基于树的状态跟踪，清晰展示推理过程。
- 推理过程统计分析：对推理过程进行统计分析和进度监控。
- 符合 MCP 协议：确保与 MCP 生态系统的兼容性。
📦 安装指南
按照以下步骤安装 MCP 推理器：
git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build
💻 使用示例
目前文档未提供具体代码示例，但你可以参考上述安装和配置步骤进行使用。
📚 详细文档
搜索策略
束搜索
- 维护一组固定宽度的最可能路径。
- 适用于逐步推理。
- 最适合解决数学问题和逻辑谜题。
蒙特卡洛树搜索
- 基于模拟的决策空间探索。
- 平衡探索与利用。
- 最适合处理复杂问题，具有不确定结果。
⚠️ 重要提示
蒙特卡洛树搜索使 Claude 在 Arc AGI 基准测试中表现优异（得分 6/10），而束搜索在相同谜题上得分为 (3/10)。对于超级复杂的任务，建议引导 Claude 使用 MCTS 策略优于束搜索。
使用场景
- 数学问题
- 逻辑谜题
- 逐步分析
- 复杂问题分解
- 决策树探索
- 策略优化
未来实现
- 实现新算法：
- 迭代深化深度优先搜索（IDDFS）
- Alpha - Beta 剪枝
🔧 技术细节
搜索策略选择
- 束搜索：评估和排序多个解决方案路径。
- 蒙特卡洛树搜索：使用 UCT 进行节点选择，并通过随机 rollout 进行探索。
思考评分因素
- 详细程度
- 数学表达式
- 逻辑连接词
- 父子关系强度
过程管理
- 基于树的状态跟踪
- 推理过程的统计分析
- 进度监控
📄 许可证
此项目根据 MIT 许可证发布 - 有关详细信息，请参阅 LICENSE 文件。