🚀 MCP 推理器
MCP 推理器是为 Claude Desktop 实现的推理功能，支持束搜索（Beam Search）和蒙特卡洛树搜索（MCTS），旨在进一步提升 Claude 在复杂问题上的解决能力。
🚀 快速开始
安装
git clone https://github.com/frgmt0/mcp-reasoner.git
OR 克隆原始版本：
git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build
配置
添加到Claude Desktop配置：
{
"mcpServers": {
"mcp-reasoner": {
"command": "node",
"args": ["path/to/mcp-reasoner/dist/index.js"],
}
}
}
✨ 主要特性
- 提供两种可切换的搜索策略：
- 束搜索：适合处理简单问题。
- MCTS 及其 alpha 变体：适用于复杂问题。
- 跟踪不同推理路径的优劣。
- 绘制 Claude 解决问题的各种方式。
- 分析推理过程的进展情况。
- 遵循 MCP 协议。
📦 安装指南
git clone https://github.com/frgmt0/mcp-reasoner.git
OR 克隆原始版本：
git clone https://github.com/Jacck/mcp-reasoner.git
cd mcp-reasoner
npm install
npm run build
📚 详细文档
当前版本：v2.0.0
新增功能
添加了两个实验性推理算法：
-
mcts-002-alpha- 使用 A* 搜索方法，包含早期 alpha 实现的策略仿真层。
- 还包括早期 alpha 实现的自适应探索仿真器和基于结果推理仿真器。
⚠️ 重要提示
这些仿真器的实现尚未完成，可能会发生变化。
-
mcts-002alt-alpha- 使用双向搜索方法，包含早期 alpha 实现的策略仿真层。
- 还包括早期 alpha 实现的自适应探索仿真器和基于结果推理仿真器。
⚠️ 重要提示
这些仿真器的实现尚未完成，可能会发生变化。
关于 mcts-001-alpha 和 mcts-001alt-alpha
简单来说，它们没用且与基础 mcts 方法几乎相似。经过初始测试后，结果显示基本思考过程接近，表明仅仅添加策略仿真可能不会有太大效果。
添加策略仿真层的原因
同时结合策略和搜索是关键，因为大多数算法都是这样实现的。
之前的版本：v1.1.0
添加了对搜索参数的模型控制：
- beamWidth - 允许 Claude 调整要跟踪的不同路径数量（1 - 10）
- numSimulations - 精细调谐 MCTS 模拟次数（1 - 150）
🔧 技术细节
测试
[更多测试即将推出]
基准测试
[基准测试即将添加]
关键基准测试项目：
- MATH500
- GPQA - Diamond
- GMSK8
- 或许 Polyglot 和/或 SWE - Bench
📄 许可证
该项目使用 MIT 许可证，详情请参阅 LICENSE 文件。