M

MCP思维原子

@kbsooo/MCP_Atom_of_Thoughts
5 Stars 1.6k 次浏览 kbsooo 更新于 2026-08-23

AoT MCP服务器通过将复杂推理问题分解为独立的、可重用的思维原子单元，使人工智能模型能够解决复杂推理问题。其强大的分解-收缩机制能够在深入探索问题空间的同时，保持对结论的高度信心。

知识管理与记忆学术研究
该服务暂未提供标准配置，请参考 README 手动接入

服务介绍

思维原子 (AoT)

smithery 徽章
基于分解推理框架的思维原子 (AoT) 的模型上下文协议 (MCP) 服务器实现。

注意: 该实现基于研究论文 "用于马尔可夫 LLM 测试时间扩展的思维原子" (Teng 等人，2025)。

MCP.so

韩语说明

英文文档

本仓库实现了思维原子 (AoT)，这是一个基于分解的推理框架，作为模型上下文协议 (MCP) 服务器。该实现基于论文 "用于马尔可夫 LLM 测试时间扩展的思维原子" (Teng 等人，2025) 中提出的概念。

可用工具

提供了两个主要工具：

  1. AoT（完整版）：一个具有深度分析和复杂问题解决能力的完整思维原子工具。
  2. AoT-light（轻量版）：优化处理速度和快速结果的简化版本。

AoT-light: 轻量版

AoT-light 旨在在时间敏感的情况下加快处理速度：

  • 关键特性：

    • 较低的最大深度（3 而不是 5），以加快处理速度
    • 简化的验证过程
    • 对高置信度假设立即提出结论建议
    • 减少计算开销和响应负载
    • 优化速度而非详尽分析

  • 使用场景：

    • 需要原子思维组织的快速头脑风暴会议
    • 优先考虑速度而非详尽分析的时间敏感问题解决
    • 不需要深入分解的简单推理任务
    • 在使用完整版 AoT 进行深入分析之前进行初步探索
    • 响应时间重要的学习或演示目的

使用场景

思维原子在以下场景中有效：

  • 解决需要复杂推理的问题
  • 生成需要从多个角度验证的假设
  • 在准确性至关重要的情况下得出高置信度结论
  • 在关键任务中最小化逻辑错误
  • 需要多个验证步骤的决策

原子类型

AoT 使用五种类型的原子：

  1. 前提：解决问题的基本假设或给定信息
  2. 推理：基于其他原子的逻辑推理过程
  3. 假设：提出的解决方案或中间结论
  4. 验证：评估其他原子（特别是假设）有效性的过程
  5. 结论：经过验证的假设或最终问题解决方案

核心特性

1. 分解-收缩机制

一种机制，用于将原子分解为更小的子原子，并在验证后重新组合。

  • 分解：将复杂的原子分解为更小的子原子。

    • startDecomposition(atomId): 开始原子分解
    • addToDecomposition(decompositionId, atomId): 将子原子添加到分解中
    • completeDecomposition(decompositionId): 完成分解过程

  • 重组：一旦所有子原子被验证，则重组回原始原子。

    • 根据子原子的信心水平计算原始原子的信心
    • 自动建议高信心验证假设的结论

2. 自动终止机制

  • 当达到最大深度或找到高信心结论时自动终止。
  • getTerminationStatus(): 返回当前终止状态和原因
  • getBestConclusion(): 返回具有最高信心的结论

参数描述

  • atomId: 原子的唯一标识符（例如，'A1', 'H2'）
  • content: 原子的实际内容
  • atomType: 原子类型（其中之一：前提、推理、假设、验证、结论）
  • dependencies: 该原子依赖的其他原子ID列表
  • confidence: 该原子的信心水平（0到1之间的值）
  • isVerified: 该原子是否已被验证
  • depth: 该原子在分解-重组过程中的深度级别

使用方法

  1. 理解问题并定义必要的前提原子
  2. 基于前提创建推理原子
  3. 基于推理创建假设原子
  4. 创建验证原子以验证假设
  5. 基于已验证的假设得出结论原子
  6. 在必要时使用原子分解进行深入探索
  7. 将高信心结论原子作为最终答案展示

顺序思维与思维原子对比（需要更多测试）

在对同一主题应用这两种思维工具后，观察到了以下差异和性能特点：

结构差异

顺序思维:

  • 线性思维过程：按顺序从一个想法进展到下一个
  • 提前预测总的想法数量
  • 每个思考阶段都基于前一阶段构建

思维原子:

  • 非线性的网络结构：多个思想单元（原子）通过依赖关系相互连接
  • 根据原子类型（前提、推理、假设、验证、结论）形成系统结构
  • 明确评估每个原子的信心水平

比较优势

顺序思维的优势:

  • 直观流程：类似于自然的人类思维过程
  • 简单性：简单的结构允许快速应用于简单问题
  • 灵活性：可以在思考过程中修改之前的阶段或改变方向

思维原子的优势:

  • 信心评估：明确衡量每个想法的信心度以提高结论的有效性
  • 验证过程：通过系统的验证阶段来评估假设
  • 依赖跟踪：清晰地追踪哪些前提或推理影响了特定的结论
  • 并行处理：可以同时考虑多个思维原子

效率与准确性

效率：

  • 顺序思维：对于简单问题更高效，思维进展更快
  • 思维原子：对于复杂问题更高效，但在构建系统结构方面有初始开销

准确性：

  • 顺序思维：随着思维过程的深入，从前一阶段累积错误的可能性增加
  • 思维原子：通过验证阶段和信心评估减少错误可能性，从而得出更可靠的结论

适用场景

适合顺序思维的情况：

  • 简单到中等复杂的问题
  • 时间受限的情况
  • 需要自然叙述或解释时

适合思维原子的情况：

  • 高度复杂的问题
  • 准确性和可靠性至关重要的情况
  • 需要从多角度验证的假设
  • 具有复杂依赖关系的推理

结论

这两种工具都可以帮助提高人工智能的推理能力，但根据问题的性质和需求选择合适的工具。当需要直观快速的思考过程时，顺序思维很有用；而当面对需要系统验证和高可靠性的复杂问题时，思维原子更为合适。

命令工具 (atomcommands)

一个用于控制分解-收缩机制和自动终止思维原子的命令工具。

可用命令：

  1. decompose: 将指定的原子分解为更小的子原子
    • 必需参数: atomId
  2. complete_decomposition: 完成正在进行的分解过程
    • 必需参数: decompositionId
  3. termination_status: 检查当前AoT进程的终止状态
  4. best_conclusion: 获取具有最高信心度的验证结论
  5. set_max_depth: 更改最大深度限制
    • 必需参数: maxDepth

通过Smithery安装

要通过Smithery自动为Claude Desktop安装思维原子，请执行以下命令：

npx -y @smithery/cli install @kbsooo/mcp_atom_of_thoughts --client claude

MCP服务器配置

要使用思维原子MCP服务器，您需要在您的Claude Desktop或Cline MCP设置中注册它。这里是一个示例配置：

{ 
  "mcpServers": { 
    "atom-of-thoughts": { 
      "command": "node", 
      "args": ["/ABSOLUTE/PATH/TO/PARENT/FOLDER/atom-of-thoughts/build/index.js"], 
      "disabled": false, 
      "autoApprove": [] 
    } 
  } 
}

请将/ABSOLUTE/PATH/TO/PARENT/FOLDER替换为您系统上项目的实际绝对路径。保存配置后，重启Claude Desktop或Cline即可使用思维原子MCP服务器。

有关详细的实现和代码级文档，请参阅此存储库中的源代码。

韩语说明

什么是思维原子？

思维原子（AoT）是一种工具，它通过将复杂问题分解为独立且可重用的思维原子单位来解决问题。与传统的顺序思维模式不同，这种工具由被称为“原子”的基本思维单元组成，这些单元相互依赖，从而实现更强大的问题解决能力。该实现基于论文“Atom of Thoughts for Markov LLM Test-Time Scaling”(Teng et al., 2025)中的概念。

提供的工具

目前提供以下两种主要工具：

  1. AoT (完整版)：具备全部功能的思维原子工具，适用于深度分析和复杂问题解决。
  2. AoT-light (轻量版)：优化了处理速度以快速得出结果的轻量版本。

AoT-light: 轻量版

AoT-light 是为了在时间紧迫的情况下提供更快处理而设计的轻量版本：

  • 主要特点：

    • 通过设置较低的最大深度（从5改为3）加快处理速度
    • 简化的验证过程
    • 对高置信度假设立即提出结论建议
    • 减少计算开销及响应数据
    • 相比于深入分析，更侧重于速度优化

  • 使用场景：

    • 需要快速形成原子思维结构的头脑风暴会议
    • 在时间敏感的问题解决中，速度比详尽分析更重要
    • 不需要深入分解的简单推理任务
    • 在进行AoT全面分析之前的初步探索
    • 响应时间至关重要的学习或演示目的

使用场景

在以下情况下使用思维原子会非常有效：

  • 解决需要复杂推理的问题
  • 生成需从多个角度验证的假设
  • 在准确性至关重要的问题上得出高可信度结论
  • 需要最小化逻辑错误的工作
  • 需要多步骤验证的决策过程

原子类型

在思维原子中，我们使用五种类型的原子：

  1. premise (前提)：解决问题所需的基本假设或给定信息
  2. reasoning (推理)：基于其他原子的逻辑推理过程
  3. hypothesis (假设)：可能解决方案或中间结论的提议
  4. verification (验证)：评估其他原子（特别是假设）有效性的过程
  5. conclusion (结论)：经过验证的假设或最终问题解决方案

核心功能

1. 分解-收缩机制 (Decomposition-Contraction)

这是一种将原子分解为更小的子原子并在验证后重新组合的机制。

  • 原子分解 (Decomposition)：将复杂的原子分解为更小的子原子。

    • startDecomposition(atomId)：开始原子分解
    • addToDecomposition(decompositionId, atomId)：向分解添加子原子
    • completeDecomposition(decompositionId)：完成分解过程

  • 原子收缩 (Contraction)：当所有子原子都经过验证后，再将其重组回原始原子。

    • 根据子原子的置信度计算原始原子的置信度
    • 如果验证过的假设具有高度置信度，则自动提出结论

2. 自动终止机制 (Automatic Termination)

  • 当达到最大深度(depth)或找到高置信度结论时自动终止。
  • getTerminationStatus()：返回当前终止状态及其原因
  • getBestConclusion()：返回最高置信度的结论

参数说明

  • atomId：原子的唯一标识符（例如 'A1', 'H2' 等）
  • content：原子的实际内容
  • atomType：原子的类型（premise, reasoning, hypothesis, verification, conclusion 中的一种）
  • dependencies：此原子所依赖的其他原子ID列表
  • confidence：此原子的置信度（介于0到1之间的值）
  • isVerified：此原子是否已验证
  • depth：此原子的深度（在分解-收缩过程中所在的层级）

使用方法

  1. 理解问题并定义所需的前提交子(premise)
  2. 基于前提生成推理(reasoning)原子
  3. 基于推理生成假设(hypothesis)原子
  4. 生成验证(verification)假设的原子
  5. 基于验证过的假设推导出结论(conclusion)原子
  6. 如有必要，使用原子分解(decomposition)深入探索
  7. 将高置信度的结论原子作为最终答案提出

顺序思维与思维原子对比（需要进一步测试）

将这两种思维工具应用于同一主题后观察到的区别和性能特征如下：

结构性差异

顺序思维：

  • 线性思维过程：一个思维接一个地按顺序进行
  • 可预先预测整个思维数量
  • 每个思维阶段都是基于前一阶段构建的

思维原子：

  • 非线性、网络结构：多个思维单元（原子）以依赖关系相连
  • 根据原子类型（前提、推理、假设、验证、结论）形成系统结构
  • 明确评估每个原子的置信度水平

比较优势

顺序思维的优势：

  • 直观流程：与自然的人类思维过程相似
  • 简单性：结构简单，可以快速应用于直观问题
  • 灵活性：在思维过程中可以修改先前的步骤或改变方向

Atom of Thoughts 的优点：

  • 可靠性评估：明确测量每个思维的可靠性，提高结论的有效性
  • 验证过程：通过系统的验证阶段来评估假设
  • 依赖关系追踪：清楚地追踪哪些前提或推论对特定结论产生了影响
  • 并行处理：能够同时考虑多个思维原子

效率与准确性

效率：

  • 顺序思考：对于简单的问题更有效率，思维进展迅速
  • Atom of Thoughts：对于复杂问题更有效，但创建系统结构时有初始开销

准确性：

  • 顺序思考：随着思维过程深入，早期步骤中的错误累积的可能性增加
  • Atom of Thoughts：通过验证阶段和可靠性评估减少错误可能性，得出更可靠的结论

根据目的选择适合的方法

适合使用顺序思考的情况：

  • 简单到中等复杂度的问题
  • 时间有限的情境
  • 需要自然叙述或解释的情况

适合使用Atom of Thoughts的情况：

  • 极其复杂的问题
  • 准确性和可靠性至关重要的情境
  • 需要从多个角度验证的假设
  • 存在复杂依赖关系的推理

结论

这两种工具都可以提高人工智能的推理能力，但根据问题的特点和需求选择合适的工具是不同的。当需要直观且快速的思维过程时，顺序思考很有用；而当面对需要系统验证和高可靠性的复杂问题时，Atom of Thoughts更为合适。

命令工具 (atomcommands)

用于控制Atom of Thoughts的分解-收缩机制和自动终止的命令工具。

可用命令：

  1. decompose：将指定的原子分解为更小的子原子。
    • 必需参数：atomId
  2. complete_decomposition：完成正在进行的分解过程。
    • 必需参数：decompositionId
  3. termination_status：检查当前AoT进程的终止状态。
  4. best_conclusion：获取验证过的最高可信度的结论。
  5. set_max_depth：更改最大深度限制。
    • 必需参数：maxDepth

通过Smithery安装

要通过Smithery自动为Claude Desktop安装Atom of Thoughts，请执行以下操作：

npx -y @smithery/cli install @kbsooo/mcp_atom_of_thoughts --client claude

设置MCP服务器

为了使用Atom of Thoughts MCP服务器，您需要在Claude Desktop或Cline的MCP设置中注册服务器。以下是一个配置示例：

{ 
  "mcpServers": { 
    "atom-of-thoughts": { 
      "command": "node", 
      "args": ["/ABSOLUTE/PATH/TO/PARENT/FOLDER/atom-of-thoughts/build/index.js"], 
      "disabled": false, 
      "autoApprove": [] 
    } 
  } 
}

请将上面配置中的/ABSOLUTE/PATH/TO/PARENT/FOLDER替换为您项目所在的绝对路径。保存设置后，重启Claude Desktop或Cline即可使用Atom of Thoughts MCP服务器。

查看源码 项目主页

相关 MCP 服务

Markmap思维导图
jinzcdev/Markmap
Markmap MCP 服务器基于模型上下文协议（MCP），允许一键将 Markdown 文本转换为交互式思维导图，支持多种格式导出和丰富的交互操作。它基于开源项目 markmap 构建。
LeetCode(力扣)
jinzcdev/leetcode-mcp-server
MCP 服务器实现 LeetCode API 集成，支持自动化获取编程题库、用户数据和竞赛信息。
Github的维基百科DeepWiKi
@regenrek/mcp-deepwiki
📖 MCP 服务器用于获取 deepwiki.com 的最新知识，并在 Cursor 和其他代码编辑器中使用
微信读书
@package/mcp-server-weread
一个为微信读书提供MCP（Model Context Protocol）服务的工具，支持将微信读书的书籍、笔记和划线数据提供给支持MCP的大语言模型客户端，如Claude Desktop。