Think MCP 서버

“Think” MCP 서버는 무엇을 하나요?

Think MCP는 에이전트형 AI 워크플로우에서 구조적 추론을 위한 “think” 도구를 제공하는 MCP(Model Context Protocol) 서버의 구현체입니다. Anthropic의 엔지니어링 연구에서 영감을 받아, 이 서버는 AI 어시스턴트가 복잡한 도구 사용 또는 다단계 추론 중에 잠시 멈추고 자신의 생각을 명시적으로 기록할 수 있게 합니다. “think” 도구를 통합하면 에이전트는 도구 출력 분석, 의사결정 되돌리기, 세부 정책 준수, 순차적 의사결정 개선이 가능합니다. Think MCP는 명시적 추론 단계를 노출하여 에이전트의 행동을 보다 투명하고 감사 가능하게 만들어 AI 개발 워크플로우를 향상시키도록 설계되었습니다. 이 서버는 최소한의 표준 기반으로, Claude 또는 기타 에이전트형 대형 언어모델과의 통합에 바로 사용할 수 있습니다.

프롬프트 목록

• 저장소나 문서에 명시된 프롬프트 템플릿이 없습니다.

리소스 목록

• Think MCP 서버에서(MCP 정의 기준) 별도의 리소스가 노출되거나 제공되지 않습니다.

도구 목록

• think: AI 에이전트가 구조적 추론을 위해 사고를 로그에 추가할 수 있게 합니다. 입력: thought (문자열).
• criticize (고급 모드): 에이전트가 행동이나 결정을 비평·성찰할 수 있는 추가 도구입니다.
• plan (고급 모드): 에이전트가 계획이나 단계별 시퀀스를 정리할 수 있게 합니다.
• search (고급 모드): 외부 API(TAVILY_API_KEY 필요)를 활용한 검색 작업을 수행할 수 있도록 합니다.

MCP 서버의 활용 사례

• 도구 출력 분석: AI가 이전 도구 호출 결과를 처리·반영하여 견고한 에이전트 추론을 지원합니다.
• 정책 준수 확인: 정책 중심 환경에서 각 단계를 명시적으로 검증하며 정책 준수를 보장합니다.
• 순차적 의사결정: 각 행동이 이전 맥락에 기반하는 단계별 계획 및 추론을 촉진하여 다단계 워크플로우를 개선합니다.
• 에이전트 자기 비평(고급 모드): 에이전트가 스스로 결정을 비평·개선하여 자기개선과 오류 수정을 유도합니다.
• 외부 검색 통합(고급 모드): API를 통한 정보 검색으로 더 넓은 맥락에서 정보에 기반한 의사결정을 할 수 있게 합니다.

설치 방법

Windsurf

1. Node.js와 Windsurf가 설치되어 있는지 확인하세요.
2. Windsurf 설정 파일을 찾으세요.
3. mcpServers 섹션에 Think MCP 서버를 추가하세요:

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

4. 저장 후 Windsurf를 재시작하세요.
5. 에이전트에서 MCP 서버가 사용 가능한지 확인하세요.

API 키 보안 설정(고급 모드):

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

Claude

1. Claude를 설치하고 MCP 서버 통합 지원과 함께 설정하세요.
2. 설정 파일에 Think MCP를 포함하도록 편집하세요:

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

3. 저장 후 Claude를 재시작하세요.
4. Claude 환경 내에서 MCP 서버가 활성화되었는지 확인하세요.

API 키: Windsurf 예시처럼 env 섹션을 사용하세요.

Cursor

1. Cursor가 MCP 통합을 지원하는지 확인하세요.
2. Cursor의 설정 또는 구성 파일을 여세요.
3. mcpServers 오브젝트에 Think MCP를 추가하세요:

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

4. 변경 사항을 저장 후 Cursor를 재시작하세요.
5. MCP 서버와의 연결이 성공적으로 이루어졌는지 확인하세요.

Cline

1. Cline을 설치하고 설정 파일을 찾으세요.
2. MCP 서버 구성을 추가하세요:

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

3. 저장 후 Cline을 재시작하세요.
4. 서버가 정상적으로 실행 중인지 확인하세요.

API 키 보안: 위 예시처럼 env 및 inputs 필드를 사용하세요.

플로우 내에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 우선 플로우에 MCP 컴포넌트를 추가하고 이를 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭하면 설정 패널이 열립니다. 시스템 MCP 설정 섹션에 다음 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

구성 완료 후, AI 에이전트는 MCP의 모든 기능과 도구를 사용할 수 있게 됩니다. “think-mcp"를 실제 MCP 서버 이름으로 바꾸고, URL도 본인의 MCP 서버 주소로 교체하세요.

개요

위 표 기준, Think MCP 서버는 최소한의 핵심 “think” 추론 도구와 고급 모드의 몇 가지 추가 도구만 제공합니다. 프롬프트 템플릿과 리소스 노출은 없으나, 도구 세트는 에이전트형 추론에 유용합니다. README가 명확하고 설치도 간단합니다. 평점: 6/10 — 연구 및 프로토타이핑에 적합하며, 일부 다른 MCP 서버만큼 기능이 많지는 않습니다.

MCP 점수