明托金字塔顺序思维MCP服务器
一个已准备好投入生产的MCP服务器，能够利用顺序思维、证据收集和结构化输出，执行完整的Minto金字塔分析。
🎯 特点
- 六阶段分析流程初始化 → SCQA（情境-冲突-问题-答案）→ MECE（相互独立，完全穷尽）→ 证据 → 综合 → 元分析
- 迭代式MECE生成具有修订能力的自动框架细化
- 证据整合网络搜索与文献管理
- 结构化输出用于类型安全结果的 Pydantic 模型
- 完全透明每一步思考过程都记录下来
- 灵活使用单个工具或完整流程
🚀 快速入门
安装
# Clone repository
git clone
cd minto-pyramid-mcp
# Install dependencies
pip install -r requirements.txt
# Or install with FastMCP
fastmcp install .基本用法
选项1：完整分析（一次通话完成）
from fastmcp import Client
async with Client("minto-pyramid-mcp") as client:
result = await client.call_tool(
"run_complete_minto_analysis",
{
"input_text": """
Your problem description here...
Include context, constraints, and current situation.
""",
"analysis_goal": "Reveal hidden opportunities",
"include_meta_analysis": True
}
)
print(result["final_pyramid"])选项2：逐相控制
# Phase 1: Initialize
init = await client.call_tool("initialize_minto_analysis", {
"input_text": "Your problem...",
"analysis_goal": "Find opportunities"
})
session_id = init["session_id"]
# Phase 2: Develop SCQA
scqa = await client.call_tool("develop_scqa_framework", {
"session_id": session_id
})
# Phase 3: Generate MECE
mece = await client.call_tool("generate_mece_framework", {
"session_id": session_id,
"max_iterations": 3
})
# Phase 4: Gather Evidence
evidence = await client.call_tool("gather_evidence", {
"session_id": session_id,
"max_results_per_query": 10
})
# Phase 5: Synthesize
synthesis = await client.call_tool("synthesize_pyramid", {
"session_id": session_id,
"output_format": "all"
})
# Phase 6: Meta-Analysis
meta = await client.call_tool("perform_meta_analysis", {
"session_id": session_id
})🛠️ 可用工具
1. initialize_minto_analysis
目的： 开始一个新的分析会话\ 返回值： 会话ID和分析计划
2. develop_scqa_framework
目的： 构建情境-复杂化-问题-答案框架\ 返回值： 用思考步骤完成SCQA（情境-冲突-问题-答案）框架
3. generate_mece_framework
目的： 通过迭代细化生成相互独立且完全穷尽（MECE）的分类\ 返回值： 经过验证的MECE框架，附有修订历史
4. gather_evidence
目的： 为每个MECE（相互独立且完全穷尽）类别收集证据\ 返回值： 证据附有引用
5. synthesize_pyramid
目的： 将所有组件组合成一个完整的金字塔\ 返回值： 最终的明托金字塔分析
6. perform_meta_analysis
目的： 分析分析过程本身\ 返回值： 过程洞察与模式
7. run_complete_minto_analysis
目的： 按顺序执行所有阶段\ 返回： 包含所有输出的完整分析
📊 输出结构
{
"scqa": {
"situation": {
"content": "...",
"strategic_importance": "...",
"confidence": "High"
},
"complication": {
"paradox": "...",
"impossible_choice": "...",
"structural_nature": "...",
"confidence": "High"
},
"question": {
"opportunity_focused": "...",
"scope": "...",
"constraints": [...],
"confidence": "Critical"
},
"no_answer_commitment": "..."
},
"mece": {
"categories": [
{
"name": "Category 1",
"core_insight": "...",
"opportunity_statement": "...",
"evidence_hypotheses": [...],
"confidence": "High"
},
// ... more categories
],
"framework_type": "mechanism_based",
"iteration_number": 3,
"validation": {
"mutually_exclusive": true,
"collectively_exhaustive": true,
"same_abstraction_level": true,
"validation_passed": true
}
},
"opportunity_spaces": [
{
"category": {...},
"evidence": [
{
"name": "...",
"source": "...",
"url": "...",
"key_finding": "...",
"confidence": "High",
"relevance_score": 0.95
}
],
"synthesis": "...",
"strategic_implication": "..."
}
],
"meta_analysis": {
"process_summary": {...},
"tool_orchestration": {...},
"revision_analysis": {...},
"lessons_learned": [...]
}
}🎓 方法论
这台服务器实现了 6相模式 通过元分析发现：
- 初始化制定策略，明确需求
- SCQA框架开发构建概念框架（情境、复杂情况、问题、无答案）
- MECE世代创建互斥且集体穷尽的类别（并进行修订）
- 收集证据用事实证据验证框架
- 合成创建包含潜在机会空间的完善交付成果
- 元分析反思并提炼流程见解
基本原则
- 自下而上构建证据 → 类别 → 框架 → 摘要
- 修订功能迭代直至达到质量阈值
- 上下文隔离为无偏见的MECE（相互独立且完全穷尽）生成提供全新背景
- 证据优先每个说法均有出处可查
- 完全透明每个决策均有记录
🔧 配置
环境变量
创建 .env 文件：
# Optional: If using external search APIs
TAVILY_API_KEY=your_api_key_here
ANTHROPIC_API_KEY=your_api_key_here
# Server configuration
MCP_SERVER_NAME=minto-pyramid-analyzer
MCP_LOG_LEVEL=INFOClaude 桌面集成
添加到 claude_desktop_config.json:
{
"mcpServers": {
"minto-pyramid": {
"command": "python",
"args": ["path/to/server.py"],
"env": {}
}
}
}📈 表现
- 典型分析时间30-60秒（视证据收集情况而定）
- 内存使用情况每次会话约100MB
- 并行会议无限（基于会话的状态管理）
- 思考步骤每完成一次分析需25-30（个/次等，具体单位根据上下文确定）
🧪 测试
# Run tests
python -m pytest tests/
# Test individual tool
fastmcp test server.py:mcp --tool initialize_minto_analysis📚 示例
示例1：光子逆向设计
result = await client.call_tool("run_complete_minto_analysis", {
"input_text": """
Photonic inverse design faces a fundamental trilemma:
- Density-based methods have accurate gradients but violate fabrication constraints
- Always-feasible methods respect constraints but struggle with convergence
- No known technique achieves both simultaneously
Foundries require: 100-150nm minimum features, strict geometric rules.
""",
"analysis_goal": "Reveal algorithmic innovation opportunities"
})结果： 2024-2025年文献中的4个MECE（相互独立且完全穷尽）机遇空间（表征、渐变、约束、搜索），并附有相关证据。
示例2：商业策略
result = await client.call_tool("run_complete_minto_analysis", {
"input_text": """
Our company faces declining market share despite strong product quality.
Competitors are using aggressive pricing strategies.
Customer feedback is positive but purchase rates are falling.
""",
"analysis_goal": "Identify strategic response opportunities"
})🤝 贡献（或：参与贡献）
欢迎投稿！请：
- 为仓库创建分支（或“克隆仓库”）
- 创建一个特性分支
- 为新功能添加测试
- 提交一个拉取请求
📄 许可证
MIT 许可证 - 详情请参见 LICENSE 文件
🙏 致谢
- 使用……构建 FastMCP
- 受芭芭拉·明托的《金字塔原理》启发
- 克劳德分析工具中的顺序思维模式
📞 支持
- 问题：
- 文档： 完整文档
- 电子邮箱：support@example.com