Deepseek Thinker MCP 服务器

“Deepseek Thinker” MCP 服务器的作用是什么？

Deepseek Thinker MCP 服务器作为模型上下文协议（MCP）提供者，将 Deepseek 模型推理内容交付给支持 MCP 的 AI 客户端，例如 Claude Desktop。它使 AI 助手能够通过 Deepseek API 服务或本地 Ollama 服务器访问 Deepseek 的思考过程和推理输出。通过集成该服务器，开发者可以利用云端或本地推理能力，强化 AI 工作流中的聚焦推理。本服务器尤其适用于需要详细推理链或思维链（CoT）输出以指导下游 AI 任务的场景，非常适合高级开发、调试和 AI 智能体能力提升。

提示模板列表

仓库或文档中未提及明确的提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

文档或代码库中未详细列出明确的 MCP 资源。

工具列表

• get-deepseek-thinker
  • 描述： 使用 Deepseek 模型进行推理。
  • 输入参数： originPrompt（字符串）— 用户的原始提示。
  • 返回： 包含推理过程的结构化文本响应。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

该 MCP 服务器的应用场景

• AI 推理增强
  • 利用 Deepseek 的详细思维链输出，增强 AI 客户端响应，并提供透明推理步骤。
• 与 Claude Desktop 集成
  • 无缝集成到 Claude Desktop 或类似 AI 平台，通过 MCP 启用高级推理能力。
• 双推理模式
  • 可根据隐私、成本或延迟需求选择云端（OpenAI API）或本地（Ollama）模型推理。
• 开发者调试与分析
  • 用于揭示和分析模型思考，适用于研究、调试和可解释性研究。
• 灵活部署
  • 可本地或云端运行服务器，满足多样化工作流需求。

如何设置

Windsurf

1. 前置条件： 确保系统已安装 Node.js 和 npx。
2. 配置文件： 找到您的 Windsurf 配置文件（如 windsurf_config.json）。
3. 添加 Deepseek Thinker MCP 服务器： 在 mcpServers 对象中插入以下 JSON 片段：

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

4. 保存并重启： 保存更改并重启 Windsurf。
5. 验证： 在 Windsurf 客户端检查 MCP 服务器集成情况。

Claude

1. 前置条件： 已安装 Node.js 和 npx。
2. 编辑配置： 打开 claude_desktop_config.json。
3. 添加 MCP 服务器：

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

4. 保存配置： 写入更改并重启 Claude Desktop。
5. 验证： 确认 Deepseek Thinker 已在 MCP 工具列表中可用。

Cursor

1. 确保前置条件： 需已安装 Node.js 和 npx。
2. 定位 Cursor 配置： 打开您的 Cursor MCP 配置文件。
3. 插入 MCP 服务器信息：

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

4. 保存并重启： 应用更改并重启 Cursor。
5. 检查集成： 验证 Deepseek Thinker 是否可用。

Cline

1. 前置条件： 确保 Node.js 和 npx 已就绪。
2. 编辑 Cline 配置： 打开 Cline 配置文件。
3. 添加 MCP 服务器块：

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

4. 保存并重启： 保存配置并重启 Cline。
5. 验证功能： 确认服务器已列出且可访问。

注意：API 密钥安全

对于所有平台，应通过 env 部分的环境变量提供 API 密钥和敏感配置信息。例如：

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

如需本地 Ollama 模式，在 env 对象中设置 USE_OLLAMA 为 "true"：

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

在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件到您的流程，并将其连接至 AI 智能体：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式插入您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用该 MCP，访问其全部功能和能力。请记得将 “deepseek-thinker” 替换为您的实际 MCP 服务器名称，并设置正确的 URL。

概览

根据下表，Deepseek Thinker MCP 服务器为推理集成提供了专注的工具，易于设置，但缺乏详细提示模板和明确的资源定义。该项目开源，拥有一定的关注度，并支持安全凭证管理。作为 MCP 服务器，其整体完整性和实用性评分为 6/10。

MCP 评分