Information
MCP Reasoner
一个为 Claude Desktop 设计的推理实现，让你可以同时使用束搜索（Beam Search）和蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）。老实说，这个项目最初是为了看看我们是否能让 Claude 在解决复杂问题方面表现得更好... 结果证明我们确实可以。
当前版本：
v2.0.0
新增内容：
添加了 2 个实验性的推理算法：
- \`mcts-002-alpha\`
- 使用 A* 搜索方法以及早期 *alpha* 版本的策略模拟层
- 还包括早期 *alpha* 版本的自适应探索模拟器与基于结果的推理模拟器
*注意*：这些 alpha 模拟器的实现尚未完成，并且可能会发生变化
- \`mcts-002alt-alpha\`
- 使用双向搜索方法以及早期 *alpha* 版本的策略模拟层
- 还包括早期 *alpha* 版本的自适应探索模拟器与基于结果的推理模拟器
*注意*：这些 alpha 模拟器的实现尚未完成，并且可能会发生变化
mcts-001-alpha 和 mcts-001alt-alpha 怎么样了？
简单地说：它们没什么用，几乎和基础的 mcts 方法相似。经过初步测试后，结果显示基本思维过程非常接近，表明仅仅添加策略模拟可能不会产生效果。
那么为什么现在要加入策略模拟层呢？
我认为将策略和搜索结合起来是很重要的，因为大多数算法都是这样实现的。
以往版本：
v1.1.0
增加了对搜索参数的模型控制：
beamWidth - 让 Claude 调整跟踪路径的数量 (1-10)
numSimulations - 微调 MCTS 模拟次数 (1-150)
功能
可以在两种搜索策略之间切换：
束搜索（适用于简单直接的问题）
MCTS（当问题变得复杂时），带 alpha 变体（见上文）
跟踪不同推理路径的效果
绘制出 Claude 解决问题的所有不同思路
分析推理过程的表现
遵循 MCP 协议（显然）
安装
git clone https://github.com/frgmt0/mcp-reasoner.git
OR clone the original:
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]
基准测试
[基准测试即将添加]
关键基准测试项目：
MATH500
GPQA-Diamond
GMSK8
可能还包括 Polyglot 和/或 SWE-Bench
许可证
该项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。