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

这是一个结合了DeepSeek R1推理能力和通过OpenRouter生成Claude 3.5 Sonnet响应的模型上下文协议（MCP）服务器。该实现采用两阶段过程，其中DeepSeek提供结构化推理，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进行最终响应（600k字符上下文）
  • 两个模型通过OpenRouter的统一API访问
  • 将DeepSeek的推理令牌注入Claude的上下文中

• 智能对话管理：

  • 使用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
  • 支持在需要时清除上下文

• 优化参数：

  • 模型特定的上下限：
    • 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：0.7以平衡创造力
    • top_p：1.0以获得完整的概率分布
    • 重复惩罚：1.0以防止重复

安装

通过Smithery安装

要通过Smithery自动安装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

2. 安装依赖项：

npm install

3. 创建一个.env文件并添加你的OpenRouter API密钥：

# 必需：DeepSeek和Claude模型的OpenRouter API密钥
OPENROUTER_API_KEY=your_openrouter_api_key_here

# 可选：模型配置（显示默认值）
DEEPSEEK_MODEL=deepseek/deepseek-r1  # 用于推理的DeepSeek模型
CLAUDE_MODEL=anthropic/claude-3.5-sonnet:beta  # 用于响应的Claude模型

4. 构建服务器：

npm run build

使用Cline

在Cline MCP设置中添加（通常位于~/.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,           // 必需：问题或提示
  "showReasoning"?: boolean, // 可选：显示DeepSeek的推理过程
  "clearContext"?: boolean,  // 可选：清除对话历史
  "includeHistory"?: boolean // 可选：包括Cline对话历史
}

check_response_status

用于检查响应生成任务状态的工具：

{
  "taskId": string  // 必需：来自generate_response的任务ID
}

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
   • 状态进展：pending → reasoning → responding → complete

在Cline中的示例用法：

// 初始请求
const result = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "generate_response",
  arguments: {
    prompt: "什么是量子计算？",
    showReasoning: true
  }
});

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

// 轮询状态（可能需要多次检查约60秒）
const status = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "check_response_status",
  arguments: { taskId }
});

// 当完成时的状态示例响应：
{
  "status": "complete",
  "reasoning": "...",  // 如果showReasoning为true
  "response": "..."    // 最终响应
}

开发

为了开发并自动重建：

npm run watch

工作原理

1. 推理阶段（DeepSeek R1）：

   • 使用OpenRouter的推理令牌特性
   • 修改提示以输出'done'同时捕获推理
   • 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
   • 结合推理生成最终响应
   • 维护对话上下文和历史

许可证

MIT许可证 - 查看LICENSE文件获取详情。

致谢

基于Skirano提出的RAT（检索增强思考）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的推理能力与通过OpenRouter统一API生成Claude 3.5 Sonnet响应的能力。