MCP Reasoner

一个为 Claude Desktop 设计的推理实现，让你可以同时使用束搜索（Beam Search）和蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）。老实说，这个项目最初是为了看看我们是否能让 Claude 在解决复杂问题方面表现得更好... 结果证明我们确实可以。

当前版本：

v2.0.0

新增内容：

添加了 2 个实验性的推理算法：

- `mcts-002-alpha`

    - 使用 A* 搜索方法以及早期 *alpha* 版本的策略模拟层

    - 还包括早期 *alpha* 版本的自适应探索模拟器与基于结果的推理模拟器

*注意*：这些 alpha 模拟器的实现尚未完成，并且可能会发生变化

- `mcts-002alt-alpha`

    - 使用双向搜索方法以及早期 *alpha* 版本的策略模拟层

    - 还包括早期 *alpha* 版本的自适应探索模拟器与基于结果的推理模拟器

*注意*：这些 alpha 模拟器的实现尚未完成，并且可能会发生变化

mcts-001-alpha 和 mcts-001alt-alpha 怎么样了？

简单地说：它们没什么用，几乎和基础的 mcts 方法相似。经过初步测试后，结果显示基本思维过程非常接近，表明仅仅添加策略模拟可能不会产生效果。

那么为什么现在要加入策略模拟层呢？

我认为将策略和搜索结合起来是很重要的，因为大多数算法都是这样实现的。

以往版本：

v1.1.0

增加了对搜索参数的模型控制：

beamWidth - 让 Claude 调整跟踪路径的数量 (1-10)

numSimulations - 微调 MCTS 模拟次数 (1-150)

功能

• 可以在两种搜索策略之间切换：
  • 束搜索（适用于简单直接的问题）
  • MCTS（当问题变得复杂时），带 alpha 变体（见上文）
• 跟踪不同推理路径的效果
• 绘制出 Claude 解决问题的所有不同思路
• 分析推理过程的表现
• 遵循 MCP 协议（显然）

安装

git clone https://github.com/frgmt0/mcp-reasoner.git 

OR clone the original:

git clone https://github.com/Jacck/mcp-reasoner.git

cd mcp-reasoner
npm install
npm run build

配置

添加到 Claude Desktop 配置中：

{
  "mcpServers": {
    "mcp-reasoner": {
      "command": "node",
      "args": ["path/to/mcp-reasoner/dist/index.js"],
    }
  }
}

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

• 可能还包括 Polyglot 和/或 SWE-Bench

许可证

该项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。