Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

这是一个模型上下文协议（MCP）服务器，它通过OpenRouter结合了DeepSeek R1的推理能力和Claude 3.5 Sonnet的响应生成能力。该实现使用了一个两阶段过程，其中DeepSeek提供结构化的推理，然后将其整合到Claude的响应生成中。

特性

• 两阶段处理：

  • 使用DeepSeek R1进行初始推理（50k字符上下文）
  • 使用Claude 3.5 Sonnet生成最终响应（600k字符上下文）
  • 两个模型都通过OpenRouter的统一API访问
  • 将DeepSeek的推理令牌注入到Claude的上下文中

• 智能对话管理：

  • 通过文件修改时间检测活跃对话
  • 处理多个并发对话
  • 自动过滤已结束的对话
  • 在需要时支持上下文清除

• 优化参数：

  • 针对不同模型的上下文限制：
    • DeepSeek：50,000个字符用于集中推理
    • Claude：600,000个字符用于全面响应
  • 推荐设置：
    • 温度（temperature）：0.7，平衡创造力
    • top_p：1.0，全概率分布
    • 重复惩罚（repetition_penalty）：1.0，防止重复

安装

通过Smithery安装

要通过Smithery自动为Claude桌面安装DeepSeek Thinking与Claude 3.5 Sonnet：

npx -y @smithery/cli install @newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP --client claude

手动安装

1. 克隆仓库：

git clone https://github.com/yourusername/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP.git
cd Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

1. 安装依赖项：

npm install

1. 创建一个包含您的OpenRouter API密钥的.env文件：

# Required: OpenRouter API key for both DeepSeek and Claude models
OPENROUTER_API_KEY=your_openrouter_api_key_here

# Optional: Model configuration (defaults shown below)
DEEPSEEK_MODEL=deepseek/deepseek-r1  # DeepSeek model for reasoning
CLAUDE_MODEL=anthropic/claude-3.5-sonnet:beta  # Claude model for responses

1. 构建服务器：

npm run build

与Cline一起使用

添加到您的Cline MCP设置中（通常在~/.vscode/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json）：

{
  "mcpServers": {
    "deepseek-claude": {
      "command": "/path/to/node",
      "args": ["/path/to/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP/build/index.js"],
      "env": {
        "OPENROUTER_API_KEY": "your_key_here"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

工具使用

服务器提供了两个工具来生成和监控响应：

generate_response

主要工具，用于生成响应，具有以下参数：

{
  "prompt": string,           // Required: The question or prompt
  "showReasoning"?: boolean, // Optional: Show DeepSeek's reasoning process
  "clearContext"?: boolean,  // Optional: Clear conversation history
  "includeHistory"?: boolean // Optional: Include Cline conversation history
}

check_response_status

用于检查响应生成任务状态的工具：

{
  "taskId": string  // Required: The task ID from generate_response
}

响应轮询

服务器使用轮询机制来处理长时间运行的请求：

1. 初始请求：

   • generate_response立即返回一个任务ID
   • 响应格式：{"taskId": "uuid-here"}

2. 状态检查：

   • 使用check_response_status轮询任务状态
   • 注意： 响应可能需要长达60秒才能完成
   • 状态依次为：pending → reasoning → responding → complete

在Cline中的示例用法：

// Initial request
const result = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "generate_response",
  arguments: {
    prompt: "What is quantum computing?",
    showReasoning: true
  }
});

// Get taskId from result
const taskId = JSON.parse(result.content[0].text).taskId;

// Poll for status (may need multiple checks over ~60 seconds)
const status = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "check_response_status",
  arguments: { taskId }
});

// Example status response when complete:
{
  "status": "complete",
  "reasoning": "...",  // If showReasoning was true
  "response": "..."    // The final response
}

开发

对于带有自动重建的开发：

npm run watch

工作原理

1. 推理阶段（DeepSeek R1）：

   • 使用 OpenRouter 的推理令牌功能
   • 提示被修改为在捕获推理时输出 'done'
   • 从响应元数据中提取推理

2. 响应阶段（Claude 3.5 Sonnet）：

   • 接收原始提示和 DeepSeek 的推理
   • 生成最终响应，结合推理
   • 维护对话上下文和历史记录

许可证

MIT 许可证 - 详情请参阅 LICENSE 文件。

致谢

基于 Skirano 提出的 RAT（检索增强思维）概念，该概念通过结构化推理和知识检索来增强 AI 响应。

此实现特别结合了 DeepSeek R1 的推理能力和 Claude 3.5 Sonnet 的响应生成能力，通过 OpenRouter 的统一 API 实现。