MCP Reasoner

针对Claude Desktop的推理实现，允许使用束搜索和蒙特卡洛树搜索（MCTS）。说实话，这个项目最初是为了看看我们是否能让Claude在复杂问题解决方面表现得更好……结果证明我们确实可以。

当前版本：

v2.0.0

新增内容：

增加了2种实验性推理算法：

- `mcts-002-alpha`

    - 使用A*搜索方法，并结合策略模拟层的早期*alpha*实现

    - 还包括自适应探索模拟器和基于结果推理模拟器的早期*alpha*实现

*注意*：这些alpha模拟器的实现尚未完成，可能会发生变化

- `mcts-002alt-alpha`

    - 使用双向搜索方法，并结合策略模拟层的早期*alpha*实现

    - 还包括自适应探索模拟器和基于结果推理模拟器的早期*alpha*实现

*注意*：这些alpha模拟器的实现尚未完成，可能会发生变化

mcts-001-alpha和mcts-001alt-alpha发生了什么？

简单来说：它们毫无用处，几乎与基础的mcts方法相似。经过初步测试，结果显示基本思维过程几乎相同，表明仅仅添加策略模拟可能没有效果。

那么为什么现在要添加策略模拟层呢？

我认为同时包含策略和搜索是很重要的，因为大多数算法都是这样实现的。

以前的版本：

v1.1.0

增加了对搜索参数的模型控制：

beamWidth - 允许Claude调整跟踪路径的数量（1-10）

numSimulations - 细调MCTS模拟次数（1-150）

特点

• 可以在两种搜索策略之间切换：
  • 束搜索（适用于简单任务）
  • MCTS（当任务变得复杂时）及其alpha变体（参见上文）
• 跟踪不同推理路径的质量
• 映射出Claude思考问题的所有不同方式
• 分析推理过程
• 遵循MCP协议（显然）

安装

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

或者克隆原始仓库：

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]

性能基准

[性能基准测试将很快添加]

关键性能基准测试包括：

• MATH500

• GPQA-Diamond

• GMSK8

• 或许还有Polyglot &/或SWE-Bench

许可证

本项目采用MIT许可证——详情请参阅LICENSE文件。