🚀 香农思维MCP服务器
香农思维MCP服务器基于Claude Shannon系统性解决问题的方法论构建，为用户提供了一个实用工具，可将复杂问题分解为结构化的思考步骤。它严格遵循Shannon通过问题定义、数学建模和实际实现来系统解决问题的方法，助力用户高效应对各类难题。
🚀 快速开始
香农思维MCP服务器借助Claude Shannon的系统方法论，帮助用户将复杂问题结构化，实现高效的问题解决。该方法论涵盖问题定义、限制条件识别、模型建立、证明验证以及实际实现等关键步骤。
✨ 主要特性
- 迭代解决问题：支持修订和重新检查，随着理解的不断演变，灵活调整解决思路。
- 灵活验证：结合正式证明与实验验证，确保解决方案的可靠性。
- 依赖跟踪：明确记录对先前步骤的依赖，便于理清思路。
- 假设管理：需要清晰记录假设，使思考过程更加严谨。
- 确信水平：量化每一步骤的不确定性，让用户对解决过程心中有数。
- 丰富反馈：带颜色编码、符号和验证结果的格式化控制台输出，提供直观的信息反馈。
📦 安装指南
使用以下命令安装服务器：
npm install @modelcontextprotocol/server-shannon-thinking
💻 使用示例
基础用法
服务器提供了一个名为shannonthinking的单一工具，可按照Shannon的方法论结构化问题解决思考步骤。每个思想必须包含特定的信息，以下是一个示例：
const thought = {
thought: "核心问题可以定义为一个信息流优化的问题",
thoughtType: "problem_definition",
thoughtNumber: 1,
totalThoughts: 5,
uncertainty: 0.2,
dependencies: [],
assumptions: ["系统具有有限容量", "信息流是连续的"],
nextThoughtNeeded: true,
// 可选：标记为对早期定义的修订
isRevision: false,
// 可选：指示步骤需要重新检查
recheckStep: {
stepToRecheck: "constraints",
reason: "发现新的容量限制",
newInformation: "系统显示非线性扩展"
}
};
// 使用MCP客户端
const result = await client.callTool("shannonthinking", thought);
工具方案
该工具接受具有特定结构的思想，具体结构如下：
interface ShannonThought {
thought: string;
thoughtType: "problem_definition" | "constraints" | "model" | "proof" | "implementation";
thoughtNumber: number;
totalThoughts: number;
uncertainty: number; // 0-1
dependencies: number[];
assumptions: string[];
nextThoughtNeeded: boolean;
// 可选修订字段
isRevision?: boolean;
revisesThought?: number;
// 可选重新检查字段
recheckStep?: {
stepToRecheck: ThoughtType;
reason: string;
newInformation?: string;
};
// 可选验证字段
proofElements?: {
hypothesis: string;
validation: string;
};
experimentalElements?: {
testDescription: string;
results: string;
confidence: number; // 0-1
limitations: string[];
};
// 可选实现字段
implementationNotes?: {
practicalConstraints: string[];
proposedSolution: string;
};
}
📚 详细文档
概述
Claude Shannon，被誉为信息论之父，通过以下系统方法论解决复杂问题：
- 问题定义：将问题拆解为基本元素
- 限制条件：识别系统限制和边界
- 模型建立：开发数学/理论框架
- 证明/验证：通过正式证明或实验测试进行验证
- 实现/实验：设计和测试实际解决方案
该MCP服务器实现了这种方法论，作为指导系统性解决问题的工具。
使用方法
每个思想必须包含以下内容：
- 思想的实际内容
- 类型（problem_definition/constraints/model/proof/implementation）
- 思想编号和总思想数量估计
- 确信水平（不确定性：0 - 1）
- 对先前思想的依赖
- 明确的假设
- 是否需要另一个思考步骤
额外功能：
- 修订：思想可以修订早期步骤，因为理解在不断演变
- 重新检查：标记需要重新审视的步骤，以获取新的信息
- 实验验证：支持实验验证与正式证明相结合
- 实现注意事项：实际约束和提出的解决方案
使用场景
该工具在以下情况下特别有用：
- 复杂系统分析
- 信息处理问题
- 工程设计挑战
- 需要理论框架的问题
- 最优化问题
- 需要实际实现的系统
- 需要迭代细化的问题
- 实验验证与理论相辅相成的情况
🔧 技术细节
开发
# 安装依赖项
npm install
# 构建
npm run build
# 运行测试
npm test
# 开发模式
npm run watch
📄 许可证
本项目采用MIT许可证。