MCP 推理器
一个用于Claude Desktop的推理实现，让您能够同时使用波束搜索和蒙特卡洛树搜索（MCTS）。说实话，这最初是为了看看我们能否让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
更新内容：
添加了2种实验性推理算法： ``-mcts-002-alpha- Uses the A* Search Method along with an early *alpha* implementation of a Policy Simulation Layer - Also includes an early *alpha* implementation of Adaptive Exploration Simulator & Outcome Based Reasoning Simulator *NOTE* the implementation of these alpha simulators is not complete and is subject to change -mcts-002alt-alpha- Uses the Bidirectional Search Method along with an early *alpha* implementation of a Policy Simulation Layer - Also includes an early *alpha* implementation of Adaptive Exploration Simulator & Outcome Based Reasoning Simulator *NOTE* the implementation of these alpha simulators is not complete and is subject to change``
发生了什么事 mcts-001-alpha 和 mcts-001alt-alpha根据您的要求，由于原文内容为空，我无法提供具体的翻译。如果您有需要翻译的中文原文，请提供给我，我将负责将其翻译成中文（注：此句为说明性翻译，实际翻译工作基于提供的原文进行）。
简而言之：它毫无用处，且与基准几乎相似 mcts 方法。初步测试后，结果显示基本思维过程相似，这表明仅仅增加政策模拟可能没有效果。那么现在为什么要添加策略模拟层呢？
嗯，我认为同时结合策略和搜索是很重要的，因为大多数算法都是这样实现它们的。
前一个版本：
v1.1.0
增加了对搜索参数的模型控制： beamWidth - 允许Claude调整要追踪的路径数量（1-10） numSimulations - 微调MCTS模拟次数（1-150）
功能
- 两种可切换的搜索策略：
- 束搜索（适用于简单直接的内容） - 蒙特卡洛树搜索（当情况变得复杂时）结合阿尔法变体（见上文）
- 追踪不同推理路径的优劣
- 描绘出克劳德思考问题的所有不同方式
- 分析推理过程是如何进行的
- 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：
{
"mcpServers": {
"mcp-reasoner": {
"command": "node",
"args": ["path/to/mcp-reasoner/dist/index.js"],
}
}
}测试
更多测试即将上线
基准测试
\[基准测试将很快添加\]
待测试的关键基准：
- MATH500
- GPQA-Diamond
- GMSK8
- 也许Polyglot和/或SWE-Bench
许可证
该项目根据MIT许可证授权 - 请参阅 许可证 详情文件。