Think MCP Server

K čemu slouží Think MCP Server?

Think MCP je implementace MCP (Model Context Protocol) serveru, který poskytuje nástroj “think” pro strukturované uvažování v agentních AI workflow. Inspirován inženýrským výzkumem společnosti Anthropic umožňuje tento server AI asistentům pozastavit se a explicitně zaznamenat své myšlenky během složitého používání nástrojů nebo vícekrokového uvažování. Integrací nástroje “think” mohou agenti analyzovat výstupy nástrojů, vracet se v rozhodování, dodržovat detailní politiky a zlepšovat sekvenční rozhodování. Think MCP je navržen tak, aby zlepšil workflow při vývoji AI tím, že zpřístupňuje explicitní kroky uvažování a činí chování agentů transparentnějším a auditovatelným. Server je minimalistický, standardizovaný a připravený k integraci s Claude nebo jinými agentními velkými jazykovými modely.

Seznam promptů

• V repozitáři ani dokumentaci nejsou uvedeny žádné explicitní šablony promptů.

Seznam zdrojů

• Think MCP server neuvádí ani nezpřístupňuje žádné konkrétní zdroje (ve smyslu MCP).

Seznam nástrojů

• think: Umožňuje AI agentovi přidat myšlenku do logu pro strukturované uvažování. Vstup: thought (řetězec).
• criticize (pokročilý režim): Dodatečný nástroj umožňující agentům hodnotit nebo reflektovat své akce či rozhodnutí.
• plan (pokročilý režim): Umožňuje agentovi nastínit plán nebo sekvenci kroků.
• search (pokročilý režim): Umožňuje agentovi provádět vyhledávání, pravděpodobně přes externí API (vyžaduje TAVILY_API_KEY).

Příklady použití tohoto MCP serveru

• Analýza výstupů nástrojů: Umožňuje AI zpracovat a reflektovat výsledky předchozích volání nástrojů, což podporuje robustní uvažování agenta.
• Dodržování politik: Podporuje agenty působící v prostředích s přísnými pravidly tím, že mohou explicitně ověřit soulad s pravidly v každém kroku.
• Sekvenční rozhodování: Usnadňuje krokové plánování a uvažování, kdy každá akce navazuje na předchozí kontext a zlepšuje vícekrokové workflow.
• Sebekritika agenta (pokročilý režim): Umožňuje agentům hodnotit a zlepšovat svá rozhodnutí, což podporuje sebezlepšování a korekci chyb.
• Integrace externího vyhledávání (pokročilý režim): Umožňuje agentům vyhledávat další informace přes API, což rozšiřuje kontext pro informovanější rozhodování.

Jak nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js a Windsurf.
2. Najděte svůj konfigurační soubor Windsurf.
3. Přidejte Think MCP server do sekce mcpServers:

   {
     "mcpServers": {
       "think-mcp": {
         "command": "uvx",
         "args": ["think-mcp"],
         "enabled": true
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte nastavení tak, že zkontrolujete dostupnost MCP serveru ve svém agentovi.

Zabezpečení API klíčů (Pokročilý režim):

{
  "mcpServers": {
    "think-mcp": {
      "command": "uvx",
      "args": ["think-mcp", "--advanced"],
      "enabled": true,
      "env": {
        "TAVILY_API_KEY": "YOUR_TAVILY_API_KEY"
      }
    }
  }
}

Claude

1. Nainstalujte a nastavte Claude s podporou integrace MCP serveru.
2. Upravte konfigurační soubor a přidejte Think MCP:

   {
     "mcpServers": {
       "think-mcp": {
         "command": "uvx",
         "args": ["think-mcp"],
         "enabled": true
       }
     }
   }
   

3. Uložte a restartujte Claude.
4. Ověřte, že MCP server je v prostředí Claude aktivní.

API klíče: Použijte sekci env (viz příklad u Windsurf).

Cursor

1. Ujistěte se, že Cursor podporuje integraci MCP.
2. Otevřete nastavení nebo konfigurační soubor Cursor.
3. Přidejte Think MCP do objektu mcpServers:

   {
     "mcpServers": {
       "think-mcp": {
         "command": "uvx",
         "args": ["think-mcp"],
         "enabled": true
       }
     }
   }
   

4. Uložte změny a restartujte Cursor.
5. Ověřte úspěšné připojení k MCP serveru.

Cline

1. Nainstalujte Cline a najděte konfigurační soubor.
2. Přidejte konfiguraci MCP serveru:

   {
     "mcpServers": {
       "think-mcp": {
         "command": "uvx",
         "args": ["think-mcp"],
         "enabled": true
       }
     }
   }
   

3. Uložte a restartujte Cline.
4. Ověřte, že server běží.

Zabezpečení API klíčů: Použijte pole env a inputs jak je uvedeno výše.

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého workflow ve FlowHunt začněte přidáním MCP komponenty do svého flow a propojením s AI agentem:

Klikněte na MCP komponentu pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte detaily svého MCP serveru v tomto JSON formátu:

{
  "think-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po nastavení může AI agent využívat tento MCP jako nástroj se všemi jeho funkcemi a schopnostmi. Nezapomeňte změnit “think-mcp” na skutečný název vašeho MCP serveru a nahradit URL vaší vlastní adresou MCP serveru.

Přehled

Na základě těchto tabulek je Think MCP server minimalistický, ale zaměřený: implementuje základní nástroj “think” pro uvažování a v rozšířeném režimu přidává několik pokročilých nástrojů. I když chybí šablony promptů a zpřístupnění zdrojů, jeho sada nástrojů je cenná pro agentní uvažování. README je přehledné a nastavení je přímočaré. Hodnocení: 6/10 — užitečné pro výzkum a prototypování, ale ne tak bohaté na funkce jako některé jiné MCP servery.

MCP skóre