RAT MCP Server (Retrieval Augmented Thinking)

Deepseek-Thinking-Claude-3.5-Sonnet-CLINE-MCP

DeepSeek R1 の推論能力と Claude 3.5 Sonnet の応答生成を OpenRouter 経由で組み合わせる Model Context Protocol（MCP）サーバーです。DeepSeek が構造化された推論を行い、その結果を Claude の応答生成に取り入れる 2 段階のプロセスを使用します。

機能

• 2 段階の処理：

  • 初期推論に DeepSeek R1 を使用します（コンテキストは 50k 文字）
  • 最終応答に Claude 3.5 Sonnet を使用します（コンテキストは 600k 文字）
  • 両方のモデルに OpenRouter の統合 API 経由でアクセスします
  • DeepSeek の推論トークンを Claude のコンテキストに挿入します

• スマートな会話管理：

  • ファイルの変更時刻を使用してアクティブな会話を検出します
  • 複数の会話を同時に処理します
  • 終了した会話を自動的に除外します
  • 必要に応じてコンテキストをクリアできます

• 最適化されたパラメーター：

  • モデル固有のコンテキスト制限：
    • DeepSeek：焦点を絞った推論のため 50,000 文字
    • Claude：包括的な応答のため 600,000 文字
  • 推奨設定：
    • temperature：バランスの取れた創造性のため 0.7
    • top_p：確率分布全体を使用するため 1.0
    • repetition_penalty：繰り返しを防ぐため 1.0

インストール

Smithery 経由でのインストール

Smithery 経由で、Claude Desktop 用の DeepSeek Thinking with Claude 3.5 Sonnet を自動的にインストールするには：

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

手動インストール

1. リポジトリをクローンします：

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

2. 依存関係をインストールします：

npm install

3. OpenRouter API キーを含む .env ファイルを作成します：

# 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

4. サーバーをビルドします：

npm run build

Cline での使用

Cline の MCP 設定に追加します（通常は ~/.vscode/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json 内にあります）：

{
  "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": []
    }
  }
}

ツールの使用方法

このサーバーは、応答の生成と監視のための 2 つのツールを提供します：

generate_response

次のパラメーターを指定して応答を生成するメインツールです：

{
  "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

応答生成タスクのステータスを確認するツールです：

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

応答のポーリング

このサーバーは、実行時間の長いリクエストを処理するためにポーリング機構を使用します：

1. 初期リクエスト：

   • generate_response はタスク ID を返し、すぐに終了します
   • 応答形式：{"taskId": "uuid-here"}

2. ステータスの確認：

   • check_response_status を使用してタスクのステータスをポーリングします
   • 注： 応答の完了まで最大 60 秒かかる場合があります
   • ステータスは次の順に進みます：pending → reasoning → responding → complete

Cline での使用例：

// 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
}

開発

自動再ビルドを有効にして開発するには：

npm run watch

仕組み

1. 推論ステージ（DeepSeek R1）：

   • OpenRouter の推論トークン機能を使用します
   • 推論を取得しながら「done」を出力するようにプロンプトを変更します
   • 応答メタデータから推論を抽出します

2. 応答ステージ（Claude 3.5 Sonnet）：

   • 元のプロンプトと DeepSeek の推論を受け取ります
   • 推論を取り入れた最終応答を生成します
   • 会話のコンテキストと履歴を維持します

ライセンス

MIT ライセンス - 詳細については LICENSE ファイルを参照してください。

クレジット

構造化された推論と知識の検索を通じて AI の応答を強化する、Skirano の RAT（Retrieval Augmented Thinking）の概念に基づいています。

この実装では、OpenRouter の統合 API を通じて、DeepSeek R1 の推論能力と Claude 3.5 Sonnet の応答生成を組み合わせています。