modelscope·@arben-adm/mcp-sequential-thinking
该服务器通过将复杂问题分解为顺序步骤、支持修订并借助完整的MCP集成启用多种解决方案路径，从而促进结构化问题解决。
一个模型上下文协议（MCP）服务器，通过定义的阶段促进结构化、逐步思考。此工具帮助将复杂问题分解为顺序思维，跟踪你的思考过程，并生成摘要。
<a href="https://glama.ai/mcp/servers/m83dfy8feg"><img width="380" height="200" src="https://glama.ai/mcp/servers/m83dfy8feg/badge" alt="顺序思考服务器 MCP 服务器" /></a>
mcp-sequential-thinking/
├── mcp_sequential_thinking/
│ ├── server.py
│ └── __init__.py
├── README.md
└── pyproject.toml
设置项目
# 创建并激活虚拟环境
uv venv
.venv\Scripts\activate # Windows
source .venv/bin/activate # Unix
# 安装包和依赖项
uv pip install -e .
运行服务器
cd mcp_sequential_thinking
uv run server.py
添加到您的 Claude 桌面配置中（Windows 上的 %APPDATA%\Claude\claude_desktop_config.json）：
{
"mcpServers": {
"sequential-thinking": {
"command": "uv",
"args": [
"--directory",
"C:\\path\\to\\your\\mcp-sequential-thinking\\mcp_sequential_thinking",
"run",
"server.py"
]
}
}
}
服务器维护一个思想历史，并通过结构化的工作流程处理这些思想。每个思想都会被验证、分类，并存储相关的元数据以供后续分析。
顺序思考服务器提供了三个主要工具：
process_thought在你的顺序思考过程中记录并分析一个新的思想。
参数：
thought (字符串)：你的思想内容thought_number (整数)：在你序列中的位置（例如，第一个思想为1）total_thoughts (整数)：序列中预期的总思想数量next_thought_needed (布尔值)：在此之后是否需要更多思想stage (字符串)：思考阶段 - 必须是以下之一：
tags (字符串列表, 可选)：你的思想的关键字或类别axioms_used (字符串列表, 可选)：你的思想中应用的原则或公理assumptions_challenged (字符串列表, 可选)：你的思想质疑或挑战的假设示例：
# First thought in a 5-thought sequence
process_thought(
thought="The problem of climate change requires analysis of multiple factors including emissions, policy, and technology adoption.",
thought_number=1,
total_thoughts=5,
next_thought_needed=True,
stage="Problem Definition",
tags=["climate", "global policy", "systems thinking"],
axioms_used=["Complex problems require multifaceted solutions"],
assumptions_challenged=["Technology alone can solve climate change"]
)
generate_summary生成你整个思考过程的摘要。
示例输出：
{
"summary": {
"totalThoughts": 5,
"stages": {
"Problem Definition": 1,
"Research": 1,
"Analysis": 1,
"Synthesis": 1,
"Conclusion": 1
},
"timeline": [
{"number": 1, "stage": "Problem Definition"},
{"number": 2, "stage": "Research"},
{"number": 3, "stage": "Analysis"},
{"number": 4, "stage": "Synthesis"},
{"number": 5, "stage": "Conclusion"}
]
}
}
clear_history通过清除所有记录的思想来重置思考过程。
在正确设置 MCP 后，只需使用 process_thought 工具即可开始按顺序处理你的思路。随着进度推进，你可以使用 generate_summary 获取概览，并在需要时使用 clear_history 重置。
有关如何自定义和扩展顺序思考服务器的详细示例，请参阅 example.md。它包括以下代码示例：
MIT 许可证
一个为大型语言模型（LLM）设计的、高可用的12306余票查询工具服务，现已搭载智能会话管理引擎。 12306-MCP-Server 将复杂的12306余票查询接口封装为符合 Model Context Protocol (MCP) 规范的工具集，允许AI Agent通过自然语言无缝查询实时火车票、中转换乘和经停站信息。 从 v1.0.0 版本开始，项目引入了全新的智能会话管理系统，通过会话池、动态User-Agent轮换和自动错误恢复机制，将服务的稳定性与反屏蔽能力提升至全新高度。
阿里云可观测 MCP服务，提供了一系列访问阿里云可观测各产品的工具能力，覆盖产品包含阿里云日志服务SLS、阿里云应用实时监控服务ARMS、阿里云云监控等，任意支持 MCP 协议的智能体助手都可快速接入。
自动从文本中识别并提取法律条文，例如在合同、案件描述或法律文书中，精准定位涉及的具体法律条文（如“《民法典》第585条”），并将文本中的法律问题与对应法条内容关联，提取法规名称的服务。
用于哔哩哔哩API的MCP服务器，支持视频搜索、用户内容获取等多种操作，适用于哔哩哔哩内容管理和数据分析场景。
看起来您想要翻译一份英文技术文档，但您提供的内容中只有"asd"这个字符串，并没有实际的文档内容。请提供需要翻译的具体英文技术文档文本，这样我才能帮助您进行准确的翻译。如果有特定部分或格式要求，请一并告知。
一座通过串行通信将物理硬件设备与人工智能大语言模型连接起来的桥梁，允许用户使用自然语言命令控制硬件。