Deep Thinker

deep-thinker

DAG ベースの思考グラフ、10 種類の推論戦略（自動選択を含む）、17 個のツール、ノードエイリアス、セッション永続化、構造化レスポンス、インテリジェントなエラー処理を備えた、高度な認知的思考を実現する MCP サーバーです。

sequential-thinking MCP を大きく進化させ、グラフベースの思考管理、スキーマ検証、インテリジェントな戦略選択により、構造化された深い推論を実現します。

クイックスタート

npx deep-thinker

{
  "mcpServers": {
    "deep-thinker": {
      "command": "npx",
      "args": ["-y", "deep-thinker"]
    }
  }
}

使用例

例	戦略	ユースケース
アーキテクチャの意思決定	弁証法 + 並列	モノリスとマイクロサービスの比較
デバッグインシデント	アブダクション	本番環境での 500 エラー
機能の優先順位付け	並列 + 弁証法	第 3 四半期のロードマップ策定
科学的仮説	類推 + アブダクション	CRISPR 向け LNP デリバリー
行き詰まりの打開	メタ認知的な切り替え	サーバーレスのコスト分析

機能

• DAG ベースの思考グラフ — 思考は、分岐、マージ、クロスエッジを含む有向非巡回グラフを形成します（単なる線形チェーンではありません）
• 10 種類の推論戦略 — 順次、弁証法（テーゼ→アンチテーゼ→ジンテーゼ）、並列、類推、アブダクション、第一原理（基本要素への分解）、反実仮想（波及効果を含む仮定の検討）、システム思考（フィードバックループとレバレッジポイント）、MCTS（モンテカルロ最適化）、自動（内容とグラフの状態に基づくインテリジェントな自動選択）
• ノードエイリアス — 任意の nodeId パラメーターで、複雑なノード ID の代わりに "last"、"best"、"root" を使用できます
• 構造化レスポンス — すべてのツールレスポンスは、status、summary、confidence、nextSuggested アクションを含む、一貫した MCPResponse JSON を返します
• セッションの永続化 — 思考グラフを ~/.deep-thinker/sessions/ に自動保存します。reset({ resume: "name" }) で MCP の再起動後に再開できます
• わかりやすいエラーメッセージ — Zod の検証エラーを人が理解しやすいヒントに変換します（例："confidence 0 ile 1 arasında..."）
• 信頼度スコアリング — 支持・反証の分析、深さによるペナルティ、知識統合による加点を備えた、多要素の信頼度評価
• 自己批評 — 重大度レベルと信頼度の調整を伴う批評を自動生成します
• メタ認知エンジン — 停滞状態、進展の停滞、信頼度の低下を検出し、戦略の切り替えや是正措置を提案します
• 知識統合 — 外部知識を思考に追加し、知識の欠落を検出して、情報源間の整合性を検証します
• 思考の枝刈り — 行き止まりの検出、冗長性の除去、成果につながらない深い分岐の削除、経路の最適化
• help ツール — カテゴリー（コア／高度／ワークフロー）別にまとめられた 17 個のツールを、クイックスタート例とともに確認できます
• conclude ツール — primaryFinding、actionItems、graphHealth、nextSuggested を含む、包括的なグラフの要約
• 高 IQ 推論の拡張機能 — 可視化、悪魔の代弁者、学際的な統合、時間的投影、倫理的評価、感情知能分析、意思決定の説明、社会的影響分析を行う 8 個の高度なツール
• 感情知能 — 感情のトーン、共感、説得の有効性、ステークホルダーの感情を分析します
• 倫理的フレームワーク — 義務論、帰結主義、徳倫理、権利に基づく観点から評価します
• 分野横断的な統合 — 生物学、経済学、物理学、心理学、コンピューターサイエンス、芸術から得られた知見を組み合わせます
• 時間的推論 — 楽観的、悲観的、現実的、破壊的なシナリオを用いて、思考を未来または過去のシナリオに投影します
• 社会的影響のモデリング — ステークホルダーの感情、集団の結束、説得の有効性、倫理的な整合性を分析します
• 不確実性の定量化 — 堅牢な意思決定のための信頼区間、確率分布、感度分析
• 多言語サポート — 英語、トルコ語、ドイツ語、フランス語、スペイン語、日本語、中国語、ロシア語で思考を扱えます
• メタ認知レイヤー — 5 段階のメタ認知による再帰的な推論
• PromptOptimizer（Node Zero） — 曖昧なプロンプトを最適化された Super Prompts に変換し、戦略を自動で振り分けるエントリーポイント

インストール

グローバル

npm install -g deep-thinker

npx（インストール不要）

npx deep-thinker

MCP の設定

Claude Desktop

claude_desktop_config.json に次の内容を追加します。

{
  "mcpServers": {
    "deep-thinker": {
      "command": "npx",
      "args": ["-y", "deep-thinker"]
    }
  }
}

または、グローバルにインストール済みの場合：

{
  "mcpServers": {
    "deep-thinker": {
      "command": "deep-thinker"
    }
  }
}

その他の MCP クライアント

サーバーは stdio 経由で通信します。MCP クライアントの接続先に deep-thinker コマンドまたは node path/to/dist/index.js を指定してください。

レスポンス形式

すべてのツールレスポンスは MCPResponse の構造に従います。

{
  "status": "ok | error | warning",
  "nodeId": "thought_3",
  "summary": "sequential stratejisiyle \"Should we use microservices?...\" eklendi",
  "confidence": 0.75,
  "data": { "...": "tool-specific data" },
  "nextSuggested": {
    "tool": "evaluate",
    "params": { "critique": true },
    "reason": "Düşük confidence — değerlendirme önerilir"
  },
  "warnings": ["Stuck detected: ..."]
}

nextSuggested フィールドは、次に行うべき論理的な手順を常に推奨するため、次のステップを推測することなくツール呼び出しを連鎖させることができます。

ノードのエイリアス

わかりにくいノード ID を調べる代わりに、任意の nodeId、parentId、または targetId パラメーターにエイリアスを使用できます。

エイリアス	解決先
"last"	最後に追加されたノード（挿入順）
"best"	信頼度スコアが最も高いノード
"root"	入力エッジのない最初のノード

evaluate({ nodeId: "last" })                              → evaluates the latest thought
simulate_devils_advocate({ nodeId: "best", depth: 2 })    → challenges the strongest thought
graph({ action: "path", nodeId: "root", targetId: "best" }) → traces from root to best conclusion

セッションの永続化

思考グラフは、think の呼び出し後に毎回自動保存されます。セッションは ~/.deep-thinker/sessions/ に保存されます。

// Save current session explicitly
reset({ save: true, saveName: "my-analysis" })

// List saved sessions
reset({ listSessions: true })

// Resume a saved session after MCP restart
reset({ resume: "my-analysis" })

ツール

コアツール

think

推論戦略を使って、認知グラフに思考を追加します。

パラメーター：

パラメーター	型	必須	説明
content	string	はい	思考の内容
type	string	いいえ	思考の種類：hypothesis、analysis、evidence、conclusion、question、assumption、insight、critique、synthesis、observation
strategy	string	いいえ	戦略：sequential、dialectic、parallel、analogical、abductive、first_principles、counterfactual、systems_thinking、mcts、auto
confidence	number	いいえ	初期の確信度 0～1（デフォルト：0.5）
parentId	string	いいえ	親ノードの ID またはエイリアス（デフォルト：最後のリーフ）
branch	string	いいえ	並列探索用のブランチ名
tags	string[]	いいえ	分類用のタグ
edgeTo	object	いいえ	明示的なエッジ：{ targetId, type }
dialectic	object	いいえ	弁証法モード：{ thesis, antithesis?, synthesis? }
parallel	array	いいえ	並列モード：[{ content, type, confidence }]
analogical	object	いいえ	類推モード：{ sourceDomain, mapping, projectedConclusion }
abductive	object	いいえ	アブダクションモード：{ observation, explanations[], bestExplanation? }
firstPrinciples	object	いいえ	第一原理モード：{ problem, assumptions?, depth?, domain? }
counterfactual	object	いいえ	反実仮想モード：{ currentState?, variablesToChange, rippleDepth? }
systemsThinking	object	いいえ	システム思考モード：{ systemDescription?, components, focusArea? }
mcts	object	いいえ	MCTS モード：{ problem?, possibleActions, numSimulations? }
knowledge	object	いいえ	ナレッジを添付：{ source, content, relevance }

戦略の詳細：

戦略	説明	最適な用途
Sequential	線形の連鎖：各思考は前の思考から導かれます	段階的な推論
Dialectic	矛盾を解消するための、テーゼ → アンチテーゼ → ジンテーゼのパターン	対立の解消
Parallel	複数の独立したブランチを同時に探索します	アイデア出し
Analogical	既知の領域のパターンを現在の問題に当てはめます	領域横断的な洞察
Abductive	仮説を生成し、最適な説明を推論します	根本原因の分析
First Principles	基本的な真理まで分解し、前提を問い直します	慣習からの脱却
Counterfactual	多段階の波及効果を含む「もしも」のシナリオ	リスク／影響の分析
Systems Thinking	フィードバックループ、レバレッジポイント、創発的特性	複雑なシステム
MCTS	モンテカルロ木探索による最適な意思決定の選択	最適化問題
Auto	コンテンツの特徴とグラフの状況に基づいて、戦略を自動的に選択します	手間をかけずに推論

auto 戦略の動作：

auto 戦略は、キーワードと現在のグラフの状態を分析します：

• 「why」「neden」「how」「nasıl」を含むコンテンツ → abductive
• 「if」「eğer」「what if」「varsayalım」を含むコンテンツ → counterfactual
• 「vs」「veya」「compare」「karşılaştır」を含むコンテンツ → dialectic
• 「system」「sistem」「loop」「döngü」を含むコンテンツ → systems_thinking
• 「fundamental」「temel」「assumption」「varsayım」を含むコンテンツ → first_principles
• 平均確信度が低く、ノード数が多い場合 → parallel（行き詰まりの打開）
• 最初の思考 → sequential
• 4 つ以上の思考が順次追加された後 → dialectic（対立する見解を導入）
• デフォルト → sequential

エッジの種類： derives_from、contradicts、supports、refines、challenges、synthesizes、parallels、abstracts、instantiates

evaluate

確信度スコアリング、批評、グラフの健全性分析を用いて、思考プロセスを評価します。

パラメーター：

Parameter	Type	Required	Description
nodeId	string	No	評価する特定のノード（エイリアス last、best、root を指定できます）
critique	boolean	No	自己批評を生成します（デフォルト：true）
findGaps	boolean	No	ナレッジのギャップを見つけます（デフォルト：false）
validateKnowledge	boolean	No	ナレッジの一貫性を検証します（デフォルト：false）

metacog

メタ認知操作 — 思考プロセスを監視し、制御します。

パラメーター：

Parameter	Type	Required	Description
action	string	Yes	report = 全状態、switch = 戦略の変更、auto_update = システムに分析を任せる
strategy	string	No	新しい戦略（switch アクション用）
reason	string	No	切り替える理由（switch アクション用）

メタ認知エンジンは次のことを自動的に行います：

• 停滞を検出します（確信度が向上しない）
• 確信度の低下傾向を検出します
• 過剰な矛盾を検出します
• 戦略の切り替え、枝刈り、バックトラッキング、または結論を提案します

graph

思考グラフを照会して可視化します。

パラメーター：

Parameter	Type	Required	Description
action	string	Yes	visualize、stats、path、node、branches、best_path、leaves
nodeId	string	No	ノード ID またはエイリアス（path、node アクション用）
targetId	string	No	ターゲット ID またはエイリアス（path アクション用）

prune

思考グラフを枝刈りして最適化します。

パラメーター：

Parameter	Type	Required	Description
action	string	Yes	analyze（レポートのみ）、prune（実行）、optimize_path、prune_node
nodeId	string	No	枝刈りするノード — エイリアスを指定できます（prune_node 用）
reason	string	No	理由（prune_node 用）

reset

思考グラフをリセットして新しいセッションを開始するか、セッションを保存または保存済みセッションを再開します。

パラメーター：

Parameter	Type	Required	Description
problem	string	No	新しい問題の説明
save	boolean	No	リセット前に現在のセッションを保存します（デフォルト：false）
saveName	string	No	保存するセッションの名前（save: true の場合に推奨）
resume	string	No	名前を指定して、以前に保存したセッションを再開します
listSessions	boolean	No	保存済みのすべてのセッションを一覧表示します

conclude

思考グラフ全体を分析し、アクション項目とグラフの健全性レポートを含む包括的な要約と結論を作成します。

パラメーター：

Parameter	Type	Required	Description
detailLevel	string	No	brief、detailed、technical（デフォルト：detailed）
includeCounterfactuals	boolean	No	反事実分析を含めます（デフォルト：false）
format	string	No	prose、structured、executive（デフォルト：structured）

レスポンスには次の内容が含まれます：

• primaryFinding — 確信度を含む主要な結論
• supportingEvidence — 確信度の高い追加ノード
• strategiesUsed — 貢献した戦略
• keyInsights — 最善のパスに含まれる洞察タイプのノード
• actionItems — 結論から導かれた優先順位付きアクション
• graphHealth — ノード数、行き止まり、平均確信度、推奨事項
• nextSuggested — 論理的な次のステップ（健全でなければ枝刈り、完了していれば保存）

help

ディープシンキングツールを見つけ、使用ワークフローを確認します。

パラメーター：

パラメーター	型	必須	説明
category	string	いいえ	all、core、advanced、workflow（デフォルト：all）

カテゴリ：

• core — 日常的に使う7つのツール（think、evaluate、metacog、graph、prune、reset、conclude）
• advanced — 8つの詳細分析ツール（可視化、悪魔の代弁者、分野横断、時間的分析、倫理、感情、説明、社会的影響、プロンプトオプティマイザー）
• workflow — 推奨ワークフロー3種類：
  • Quick Decision — reset → think parallel → evaluate → conclude
  • Deep Analysis — reset → first_principles → counterfactual → devil's advocate → evaluate → metacog → prune → conclude
  • Breaking Dead Ends — metacog report → switch strategy → cross-disciplinary → abductive

強化ツール（高IQ推論）

visualize_thought_graph

思考グラフをSVGまたはASCIIで視覚化します。

パラメーター：

パラメーター	型	必須	説明
format	string	いいえ	svg、ascii、またはtree（デフォルト：ascii）
highlightPath	string	いいえ	2つのノードID間のパス（形式：fromId-toId）
showConfidence	boolean	いいえ	確信度スコアを表示します（デフォルト：true）

simulate_devils_advocate

指定された思考に対する反論と反対の見解を生成します。

パラメーター：

パラメーター	型	必須	説明
nodeId	string	はい	対象ノードIDまたはエイリアス（last、best、root）
depth	number	いいえ	反論の階層数（1-5、デフォルト：2）
intensity	string	いいえ	mild、moderate、またはaggressive（デフォルト：moderate）

cross_disciplinary_synthesis

複数の分野から得た知見を組み合わせ、新たな視点を生み出します。

パラメーター：

パラメーター	型	必須	説明
sourceDomains	string[]	はい	類推の参照元とする分野（例：["biology", "economics", "art"]）
targetProblem	string	はい	分野横断の知見を適用する問題
maxAnalogies	number	いいえ	生成する類推の最大数（1-10、デフォルト：3）

temporal_projection

思考を未来または過去のシナリオに投影します。

パラメーター：

パラメーター	型	必須	説明
nodeId	string	はい	ルートノードIDまたはエイリアス
years	number	はい	未来への年数（正の値）または過去への年数（負の値）
scenario	string	いいえ	optimistic、pessimistic、realistic、disruptive（デフォルト：realistic）

ethical_framework_evaluation

複数の倫理的フレームワークを通じて、思考や意思決定を評価します。

パラメーター：

パラメーター	型	必須	説明
nodeId	string	はい	ノードIDまたはエイリアス
frameworks	string[]	いいえ	使用するフレームワーク：deontological、consequentialist、virtue、rights_based（デフォルト：すべて）

emotional_intelligence_analysis

感情的なトーン、関係者の感情、社会的力学を分析します。

パラメーター：

パラメーター	型	必須	説明
text	string	はい	感情的な内容を分析するテキスト
context	string	いいえ	コンテキスト（例：team meeting、customer feedback、crisis situation）
perspectiveTaking	number	いいえ	視点取得のレベル（0～1、デフォルト：0.7）

explain_decision

意思決定の経路を、人が理解しやすい形で説明します。

パラメーター：

パラメーター	型	必須	説明
nodeId	string	はい	意思決定／結論ノードの ID またはエイリアス
detailLevel	string	いいえ	simple、detailed、technical（デフォルト：detailed）
includeCounterfactuals	boolean	いいえ	もしもシナリオを表示します（デフォルト：true）

social_impact_analysis

社会的影響、ステークホルダーの感情、グループの結束力、説得の有効性を分析します。

パラメーター：

パラメーター	型	必須	説明
nodeId	string	はい	ノード ID またはエイリアス
stakeholders	string[]	いいえ	ステークホルダーのグループ（デフォルト：["customers", "employees", "investors", "community"]）

optimize_prompt

PromptOptimizer（Node Zero）— 曖昧なプロンプトを、戦略ルーティング機能を備えた最適化済みの Super Prompts に変換します。

パラメーター：

パラメーター	型	必須	説明
originalPrompt	string	はい	ユーザーが入力した、曖昧な可能性のある元のプロンプト
userContext	object	いいえ	{ expertiseLevel, domainKnowledge[], preferences }
conversationHistory	array	いいえ	コンテキスト用の過去のメッセージ（最大 20 件）
optimizationLevel	string	いいえ	light、standard、aggressive（デフォルト：standard）
targetModel	string	いいえ	claude、gpt4、gpt35、local、generic（デフォルト：generic）
autoRoute	boolean	いいえ	推奨戦略に自動でルーティングします（デフォルト：false）

使用例

自動戦略選択（新機能！）

think: { content: "Eğer mikroservis kullansaydık ne olurdu?" }
→ Auto-selects strategy: counterfactual (detected "Eğer" = "if" signal)

think: { content: "Why is the server crashing?" }
→ Auto-selects strategy: abductive (detected "why" signal)

think: { content: "Monolith vs microservices?" }
→ Auto-selects strategy: dialectic (detected "vs" comparison signal)

順次推論

think: "Should we use microservices?" → type: question, confidence: 0.9
think: "Monolith has deployment bottlenecks" → type: analysis, confidence: 0.7
think: "Team lacks DevOps capacity for microservices" → type: evidence, confidence: 0.8
evaluate: { nodeId: "last", critique: true }
→ { status: "ok", confidence: 0.73, nextSuggested: { tool: "metacog" } }

弁証法的推論

think: {
  strategy: "dialectic",
  dialectic: {
    thesis: "Microservices improve scalability",
    antithesis: "But add operational complexity",
    synthesis: "Use modular monolith as middle ground"
  },
  confidence: 0.75
}

ノードエイリアスの使用

evaluate({ nodeId: "last" })                              → evaluate latest thought
simulate_devils_advocate({ nodeId: "best", depth: 3 })    → challenge strongest thought
graph({ action: "path", nodeId: "root", targetId: "best" }) → trace reasoning path
think({ parentId: "root", content: "Alternative..." })    → branch from root

セッションの保存と再開

// Work on a problem...
think({ content: "Analysis...", strategy: "auto" })
think({ content: "Another insight..." })

// Save before closing
reset({ save: true, saveName: "architecture-review" })

// ... MCP restarts ...

// Resume exactly where you left off
reset({ resume: "architecture-review" })
→ { status: "ok", summary: "architecture-review oturumu geri yüklendi — 5 node ile devam ediliyor" }

第一原理からの推論

think: {
  strategy: "first_principles",
  firstPrinciples: {
    problem: "How to improve battery efficiency?",
    assumptions: ["Batteries must use lithium", "Charging takes hours"],
    depth: 3,
    domain: "physics"
  }
}
→ Creates: Problem → Assumptions Challenged → Fundamental Truths → Reconstructed Solution

反実仮想（もしも）分析

think: {
  strategy: "counterfactual",
  counterfactual: {
    currentState: "Office-based work with 5-day commute",
    variablesToChange: [
      { variable: "work_location", currentValue: "office", hypotheticalValue: "remote", impactWeight: 0.9 },
      { variable: "commute_days", currentValue: 5, hypotheticalValue: 0, impactWeight: 0.8 }
    ],
    timeHorizon: "medium_term",
    rippleDepth: 3
  }
}
→ Creates: Baseline → Variable Changes → Stage 1/2/3 Ripple Effects → Scenarios → Risk Analysis

システム思考

think: {
  strategy: "systems_thinking",
  systemsThinking: {
    systemDescription: "Software development team dynamics",
    components: [
      { name: "FeatureBacklog", type: "stock", description: "Pending work" },
      { name: "DeveloperCapacity", type: "stock", description: "Available developers" },
      { name: "CodeReviews", type: "flow", description: "Review process" },
      { name: "Quality", type: "converter", description: "Quality gates" }
    ],
    focusArea: "feedback_loops"
  }
}
→ Creates: System Overview → Components → Feedback Loops → Leverage Points → Recommendations

MCTS（モンテカルロ木探索）

think: {
  strategy: "mcts",
  mcts: {
    problem: "Which architecture pattern to choose?",
    possibleActions: [
      { id: "microservices", description: "Microservices architecture", estimatedReward: 0.7 },
      { id: "monolith", description: "Monolithic architecture", estimatedReward: 0.5 },
      { id: "modular", description: "Modular monolith", estimatedReward: 0.8 }
    ],
    numSimulations: 100,
    pruningThreshold: 0.2
  }
}
→ Creates: Root → Actions → Simulations → Pruning Analysis → Optimal Path

分析の結論

conclude({ detailLevel: "detailed" })
→ {
  status: "ok",
  summary: "12 dusunce, 3 dal, sequential+counterfactual stratejileriyle analiz tamamlandi",
  data: {
    conclusion: { primaryFinding: "...", confidence: 0.85 },
    actionItems: [{ action: "Investigate...", priority: "high" }, ...],
    graphHealth: { totalThoughts: 12, avgConfidence: 0.72, recommendation: "Graf saglikli gorunuyor" }
  },
  nextSuggested: { tool: "reset", params: { save: true }, reason: "Analizi kaydetmeyi unutmayin" }
}

メタ認知ガイダンス

metacog: { action: "auto_update" }
→ Stuck detected + suggested action in nextSuggested

metacog: { action: "switch", strategy: "parallel", reason: "Break through impasse" }
→ Strategy switched + next step recommended

枝刈り

prune: { action: "analyze" }
→ Dead Ends, Redundant Branches, Total prunable count

prune: { action: "prune" }
→ Nodes pruned + metacog updated + nextSuggested

ヘルプの表示

help()                    → all tools, all categories, all workflows
help({ category: "core" })     → 7 core tools with quick-start examples
help({ category: "advanced" }) → 9 advanced tools
help({ category: "workflow" }) → 3 recommended workflows

わかりやすいエラーメッセージ

検証に失敗すると、Zod の生の出力ではなく、人が理解しやすいエラーが表示されます。

think({ confidence: 1.5 })
→ {
  status: "error",
  error: "VALIDATION_ERROR",
  message: "\"confidence\" parametresinde hata: ...",
  field: "confidence",
  hint: "confidence 0 ile 1 arasında bir sayı olmalı. Örnek: confidence: 0.7"
}

evaluate({ nodeId: "nonexistent" })
→ {
  status: "error",
  error: "NODE_NOT_FOUND",
  provided: "nonexistent",
  hint: "Geçerli alias'lar: \"last\", \"best\", \"root\" veya graph aracıyla node ID alın"
}

アーキテクチャ

src/
├── index.ts                         MCP server & 17 tool handlers
├── test.ts                          Core functionality tests (118 tests)
├── test_enhanced_strategies.ts      Strategy tests (13 tests)
├── core/
│   ├── types.ts                     Type definitions, MCPResponse, NextAction
│   ├── schemas.ts                   Zod validation schemas (10 strategies incl. auto)
│   ├── node.ts                      ThoughtNode CRUD operations
│   ├── graph.ts                     DAG-based thought graph + resolveNodeId + aliases
│   ├── strategies.ts               10 reasoning strategies + selectStrategy (auto)
│   ├── scorer.ts                    Confidence scoring & self-critique
│   ├── metacog.ts                   Metacognitive engine with smart triggers
│   ├── knowledge.ts                 Knowledge integration & validation
│   ├── pruner.ts                    Dead-end/redundancy detection & pruning
│   ├── session.ts                   Session persistence (save/load/resume)
│   └── errors.ts                    Friendly error formatting (Zod + unknown)
└── enhancements/
    ├── visualization.ts            SVG & ASCII graph visualization
    ├── devils_advocate.ts           Counterargument generation
    ├── cross_disciplinary.ts        Cross-domain analogy engine
    ├── temporal_projection.ts       Future/past thought projection
    ├── ethical_evaluation.ts         4 ethical frameworks
    ├── emotional_intelligence.ts    Emotion & sentiment analysis
    ├── explanation.ts               Decision explainability
    └── social_impact.ts             Stakeholder & social impact

v3.0.0 の新機能

機能	説明
ノードエイリアス	すべての nodeId パラメーターで、ノード ID の代わりに "last"、"best"、"root" を使用できます
MCPResponse	status、summary、confidence、nextSuggested を含む構造化 JSON レスポンス
セッションの永続化	~/.deep-thinker/sessions/ に自動保存し、再起動後も再開できます
わかりやすいエラー	Zod エラーを、フィールドごとのガイダンスを含む、人が理解しやすいヒントに変換します
help ツール	ワークフローの例を含む、3 カテゴリーのツール検索
conclude ツール	primaryFinding、actionItems、graphHealth を含むグラフの概要
strategy: auto	コンテンツ内のキーワードとグラフの状態に基づく自動戦略選択

sequential-thinking との比較

機能	sequential-thinking	deep-thinker
思考構造	線形チェーン	DAG（分岐／マージ／交差エッジ）
戦略	順次のみ	10 種類の戦略（自動選択を含む）
スキーマ検証	なし	すべての戦略に Zod スキーマを使用
信頼度	基本的な思考番号	トレンド分析を伴う多要素スコアリング
自己批評	なし	深刻度レベルを伴う自動処理
メタ認知	なし	行き詰まりの検出、スマートな戦略トリガー、自動切り替え
ナレッジ	なし	外部参照、ギャップ検出、一貫性検証
枝刈り	なし	行き止まり、冗長性、経路の最適化
グラフクエリ	線形レビュー	可視化、最適な経路、分岐分析、統計
ノード参照	ID のみ	エイリアス：last、best、root
レスポンス形式	プレーンテキスト	nextSuggested を含む構造化された MCPResponse
セッションの永続化	なし	自動保存、保存／読み込み／再開
エラーメッセージ	生のエラー	ヒント付きの人間が読みやすいメッセージ
ツールの検出	なし	カテゴリとワークフローを備えたヘルプツール
結論	手動レビュー	actionItems を含む conclude ツール
戦略の選択	手動のみ	内容に基づく自動戦略選択

開発

git clone https://github.com/hubinoretros/deep-thinker.git
cd deep-thinker
npm install
npm run build
npm start

テスト

npm run build
npm test

Node、Graph、10 種類の Strategy（auto を含む）、Scorer、Metacog、Knowledge、Pruner、Integration、Edge Cases、Schema Validation の全モジュールを対象とする 131 件のテスト。

ドキュメント

• アーキテクチャの詳細 — DAG、スコアリング、メタ認知、枝刈りの内部的な仕組み
• 戦略選択ガイド — 各戦略を使用する場面と組み合わせ方

コントリビューション

ガイドラインについては、CONTRIBUTING.md を参照してください。PR を歓迎します。特に、新しい推論戦略や MCP ツールのアイデアをお待ちしています。

ライセンス

MIT