RAT Retrieval Augmented Thinking MCP

《Deepseek Thinking》第3.5章十四行诗-CLINE-MCP

](https://smithery.ai/server/@newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP)

一种模型上下文协议（MCP）服务器，通过OpenRouter将DeepSeek R1的推理能力与Claude 3.5 Sonnet的响应生成相结合。此实现使用两阶段过程，DeepSeek提供结构化推理，然后将其合并到Claude的响应生成中。

特性

• 两阶段处理:

- 使用DeepSeek R1进行初始推理（50k字符上下文） - 使用克劳德3.5十四行诗作为最终响应（600k字符上下文） - 这两种模型都通过OpenRouter的统一API访问 - 将DeepSeek的推理令牌注入Claude的上下文中

• 智能对话管理:

- 使用文件修改时间检测活动对话 - 处理多个并发对话 - 自动过滤已结束的对话 - 支持在需要时清除上下文

• 优化参数:

- 特定于模型的上下文限制： - DeepSeek：50000个字符用于集中推理 - 克劳德：60万个字符用于综合回答 - 推荐设置： - 温度：0.7，平衡创造力 - top_p:1.0表示全概率分布 - repetition_ppenalty：1.0以防止重复

安装

通过Smithery安装

使用Claude 3.5 Sonnet for Claude Desktop自动安装DeepSeek Thinking 史密瑟里:

npx -y @smithery/cli install @newideas99/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP --client claude

手动安装

1. 克隆存储库：

git clone https://github.com/yourusername/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP.git
cd Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

1. 安装依赖项：

npm install

1. 创建一个 .env 使用OpenRouter API密钥的文件：

# Required: OpenRouter API key for both DeepSeek and Claude models
OPENROUTER_API_KEY=your_openrouter_api_key_here

# Optional: Model configuration (defaults shown below)
DEEPSEEK_MODEL=deepseek/deepseek-r1  # DeepSeek model for reasoning
CLAUDE_MODEL=anthropic/claude-3.5-sonnet:beta  # Claude model for responses

1. 构建服务器：

npm run build

与Cline一起使用

添加到您的临床MCP设置中（通常在 ~/.vscode/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json):

{
  "mcpServers": {
    "deepseek-claude": {
      "command": "/path/to/node",
      "args": ["/path/to/Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP/build/index.js"],
      "env": {
        "OPENROUTER_API_KEY": "your_key_here"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

工具使用

服务器提供两种工具用于生成和监视响应：

生成响应

生成具有以下参数的响应的主要工具：

{
  "prompt": string,           // Required: The question or prompt
  "showReasoning"?: boolean, // Optional: Show DeepSeek's reasoning process
  "clearContext"?: boolean,  // Optional: Clear conversation history
  "includeHistory"?: boolean // Optional: Include Cline conversation history
}

check_response_status

用于检查响应生成任务状态的工具：

{
  "taskId": string  // Required: The task ID from generate_response
}

响应轮询

服务器使用轮询机制来处理长时间运行的请求：

1. 初始请求：

- generate_response 立即返回任务ID - 响应格式： {"taskId": "uuid-here"}

1. 状态检查：

- 使用 check_response_status 轮询任务状态 - 注： 完成响应可能需要60秒 - 状态进展通过：待定→ 推理→ 回应→ 完成

Cline中的示例用法：

// Initial request
const result = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "generate_response",
  arguments: {
    prompt: "What is quantum computing?",
    showReasoning: true
  }
});

// Get taskId from result
const taskId = JSON.parse(result.content[0].text).taskId;

// Poll for status (may need multiple checks over ~60 seconds)
const status = await use_mcp_tool({
  server_name: "deepseek-claude",
  tool_name: "check_response_status",
  arguments: { taskId }
});

// Example status response when complete:
{
  "status": "complete",
  "reasoning": "...",  // If showReasoning was true
  "response": "..."    // The final response
}

发展

对于自动重建的开发：

npm run watch

运作原理

1. 推理阶段（DeepSeek R1）:

- 使用OpenRouter的推理令牌功能 - 在捕获推理时，提示被修改为输出“完成” - 从响应元数据中提取推理

1. 反应阶段（克劳德3.5十四行诗）:

- 收到原始提示和DeepSeek的推理 - 生成包含推理的最终响应 - 维护对话上下文和历史记录

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

鸣谢

基于RAT（检索增强思维）概念 斯基拉诺，通过结构化推理和知识检索增强AI响应。

该实现特别结合了DeepSeek R1的推理功能和Claude 3.5 Sonnet通过OpenRouter的统一API生成的响应。