Deepseek Thinker MCP-server

Vad gör “Deepseek Thinker” MCP-servern?

Deepseek Thinker MCP-server fungerar som en Model Context Protocol (MCP)-leverantör och levererar Deepseek-modellens resonemangsinnehåll till MCP-aktiverade AI-klienter, såsom Claude Desktop. Den gör det möjligt för AI-assistenter att få tillgång till Deepseeks tankegångar och resonemangsutdata antingen via Deepseeks API-tjänst eller från en lokal Ollama-server. Genom att integrera denna server kan utvecklare stärka sina AI-arbetsflöden med fokuserat resonemang, med stöd för både moln- och lokal inferens. Servern är särskilt användbar i situationer där detaljerade resonemangskedjor eller chain-of-thought (CoT)-utdata behövs för att informera efterföljande AI-uppgifter, vilket gör den värdefull för avancerad utveckling, felsökning och AI-agentberikning.

Lista över promptar

Inga explicita prompt-mallar nämns i arkivet eller dokumentationen.

Lista över resurser

Inga explicita MCP-resurser beskrivs i dokumentationen eller kodbasen.

Lista över verktyg

• get-deepseek-thinker
  • Beskrivning: Utför resonemang med hjälp av Deepseek-modellen.
  • Indataparameter: originPrompt (sträng) — Användarens ursprungliga prompt.
  • Returnerar: Strukturerat text-svar med resonemangsprocessen.

Användningsområden för denna MCP-server

• Förbättrat AI-resonemang
  • Utnyttja Deepseeks detaljerade chain-of-thought-utdata för att förstärka AI-klienters svar och ge transparenta resonemangssteg.
• Integration med Claude Desktop
  • Sömlös integrering i Claude Desktop eller liknande AI-plattformar för avancerade resonemangsfunktioner via MCP.
• Två inferenslägen
  • Välj mellan molnbaserad (OpenAI API) eller lokal (Ollama) modellinferens för att passa sekretess-, kostnads- eller latensbehov.
• Utvecklardebuggning & analys
  • Använd servern för att exponera och analysera modellresonemang för forskning, felsökning och tolkbarhetsstudier.
• Flexibel driftsättning
  • Kör servern lokalt eller i molnmiljöer för att passa olika arbetsflödeskrav.

Så här sätter du upp det

Windsurf

1. Förutsättningar: Kontrollera att Node.js och npx är installerade på ditt system.
2. Konfigurationsfil: Lokalisera din Windsurf-konfigurationsfil (t.ex. windsurf_config.json).
3. Lägg till Deepseek Thinker MCP-server: Infoga följande JSON-snutt i objektet mcpServers:

   {
     "deepseek-thinker": {
       "command": "npx",
       "args": [
         "-y",
         "deepseek-thinker-mcp"
       ],
       "env": {
         "API_KEY": "<Your API Key>",
         "BASE_URL": "<Your Base URL>"
       }
     }
   }
   

4. Spara och starta om: Spara ändringarna och starta om Windsurf.
5. Verifiera: Kontrollera MCP-serverintegration i Windsurf-klienten.

Claude

1. Förutsättningar: Node.js och npx installerade.
2. Redigera konfiguration: Öppna claude_desktop_config.json.
3. Lägg till MCP-server:

   {
     "mcpServers": {
       "deepseek-thinker": {
         "command": "npx",
         "args": [
           "-y",
           "deepseek-thinker-mcp"
         ],
         "env": {
           "API_KEY": "<Your API Key>",
           "BASE_URL": "<Your Base URL>"
         }
       }
     }
   }
   

4. Spara konfigurationen: Spara ändringarna och starta om Claude Desktop.
5. Verifiering: Bekräfta att Deepseek Thinker finns i din MCP-verktygslista.

Cursor

1. Säkerställ förutsättningar: Node.js och npx måste vara installerade.
2. Leta upp Cursor-konfiguration: Öppna din Cursor MCP-konfigurationsfil.
3. Infoga MCP-serverdetaljer:

   {
     "mcpServers": {
       "deepseek-thinker": {
         "command": "npx",
         "args": [
           "-y",
           "deepseek-thinker-mcp"
         ],
         "env": {
           "API_KEY": "<Your API Key>",
           "BASE_URL": "<Your Base URL>"
         }
       }
     }
   }
   

4. Spara & starta om: Verkställ ändringarna och starta om Cursor.
5. Kontrollera integration: Validera att Deepseek Thinker är i drift.

Cline

1. Förutsättningar: Kontrollera att Node.js och npx är tillgängliga.
2. Redigera Cline-konfiguration: Öppna Cline-konfigurationsfilen.
3. Lägg till MCP-serverblock:

   {
     "mcpServers": {
       "deepseek-thinker": {
         "command": "npx",
         "args": [
           "-y",
           "deepseek-thinker-mcp"
         ],
         "env": {
           "API_KEY": "<Your API Key>",
           "BASE_URL": "<Your Base URL>"
         }
       }
     }
   }
   

4. Spara och starta om: Spara konfigurationen och starta om Cline.
5. Verifiera funktionalitet: Kontrollera att servern listas och är åtkomlig.

Obs: Så här skyddar du API-nycklar

För alla plattformar bör API-nycklar och känsliga konfigurationsvärden anges med hjälp av miljövariabler i avsnittet env. Exempel:

{
  "mcpServers": {
    "deepseek-thinker": {
      "command": "npx",
      "args": [
        "-y",
        "deepseek-thinker-mcp"
      ],
      "env": {
        "API_KEY": "<Your API Key>",
        "BASE_URL": "<Your Base URL>"
      }
    }
  }
}

För lokalt Ollama-läge, sätt USE_OLLAMA till "true" i env-objektet:

"env": {
  "USE_OLLAMA": "true"
}

Så här använder du denna MCP i flöden

Använd MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten till ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I avsnittet för systemets MCP-konfiguration, ange dina MCP-serveruppgifter med detta JSON-format:

{
  "deepseek-thinker": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att byta ut “deepseek-thinker” till ditt faktiska MCP-servernamn och ange korrekt URL.

Översikt

Baserat på de två tabellerna nedan erbjuder Deepseek Thinker MCP-server ett fokuserat verktyg för resonemangsintegration, är enkel att sätta upp men saknar detaljerade prompt-mallar och explicita resursdefinitioner. Projektet är öppen källkod, har ett måttligt antal följare och stödjer säker hantering av autentiseringsuppgifter. Den får 6/10 i total fullständighet och användbarhet som MCP-server.

MCP-poäng