Graph Of Thought MCP

ASR思维图（GoT）模型上下文协议（MCP）服务器

](https://saptadey.github.io/Adaptive-Graph-of-Thoughts-MCP-server/)   ](Dockerfile)    ](https://smithery.ai/server/@SaptaDey/graph-of-thought-mcp)    

高级科学研究（ASR）思维图（GoT）MCP服务器是模型上下文协议（MCP）的高效实现，它允许使用基于图的表示进行复杂的推理工作流程。

项目概述

该项目实现了一个模型上下文协议（MCP）服务器架构，该架构利用思维图方法来增强人工智能推理能力。它可以连接到人工智能模型或应用程序，如Claude桌面应用程序或基于API的集成。

项目结构

asr-got-mcp/
├── docker-compose.yml                          # Docker Compose configuration for multi-container setup
├── Dockerfile                                  # Docker configuration for the backend
├── requirements.txt                            # Python dependencies
├── src/                                        # Source code
│   ├── server.py                               # Main server implementation
│   ├── asr_got/                                # Core ASR-GoT implementation
│   │   ├── core.py                             # Core functionality
│   │   ├── stages/                             # Processing stages
│   │   │   ├── stage_1_initialization.py
│   │   │   ├── stage_2_decomposition.py
│   │   │   ├── stage_3_hypothesis.py
│   │   │   ├── stage_4_evidence.py
│   │   │   ├── stage_5_pruning.py
│   │   │   ├── stage_6_subgraph.py
│   │   │   ├── stage_7_composition.py
│   │   │   └── stage_8_reflection.py
│   │   ├── utils/                             # Utility functions
│   │   └── models/                            # Data models
│   └── api/                                   # API implementation
│       ├── routes.py                          # API routes
│       └── schema.py                          # API schemas
├── config/                                    # Configuration files
└── tests/                                     # Test suite

使用Docker运行项目

该项目为Python后端（FastAPI）和静态JavaScript客户端提供了一个多容器Docker设置。该设置使用Docker Compose进行编排。

项目特定Docker要求

• Python版本： 3.13-slim（如后端Dockerfile中指定的）
• 系统依赖关系： build-essential, curl （安装在后端映像中）
• 非root用户： 为了安全起见，后端和客户端容器都以非root用户身份运行
• 虚拟环境： Python依赖项安装在虚拟环境中(/app/.venv)
• 静态客户端： 通过nginx（alpine）在单独的容器中提供

环境变量

后端服务设置以下环境变量（请参阅Dockerfile）：

• PYTHONUNBUFFERED=1
• MCP_SERVER_PORT=8082 （FastAPI服务器端口）
• LOG_LEVEL=INFO

注： 如果需要重写或添加环境变量，可以取消注释并使用 env_file 选项在 docker-compose.yml.

暴露端口

• 后端（python应用程序）：

- 主持人： 8082 → 集装箱： 8082 （FastAPI服务器）

• 客户端（js客户端）：

- 主持人： 80 → 集装箱： 80 （nginx静态服务器）

构建和运行说明

1. 构建并启动所有服务：

   docker compose up --build

这将构建后端和客户端映像，并启动容器。

1. 访问服务：

- 后端API： http://localhost:8082 - 静态客户端： http://localhost/

与AI模型集成

此MCP服务器可以与以下设备集成：

• Claude桌面应用程序
• 基于API的人工智能模型集成
• 其他MCP兼容客户端

发展

要设置一个没有Docker的开发环境：

1. 克隆此存储库
2. 创建虚拟环境： python -m venv venv
3. 激活虚拟环境：

- 窗户： venv\Scripts\activate - Linux/Mac： source venv/bin/activate

1. 安装依赖项： pip install -r requirements.txt
2. 运行服务器： python src/server.py

许可证

此项目在Apache License 2.0下获得许可-有关详细信息，请参阅License文件。

______________________________________________________________________

_如果更新依赖关系，请记住用以下命令重建映像 docker compose build._