MCP Reasoner

MCP Reasoner

Claude Desktop 向けの推論実装です。Beam Search と Monte Carlo Tree Search（MCTS）の両方を利用できます。正直なところ、複雑な問題解決において Claude をさらに賢くできるか試すために始めたプロジェクトですが、実際にそれができることがわかりました。

現在のバージョン：

v2.0.0

新機能：

2 つの実験的な推論アルゴリズムを追加しました：

- `mcts-002-alpha`

    - A* Search Method と、Policy Simulation Layer の初期 *alpha* 実装を使用します

    - Adaptive Exploration Simulator と Outcome Based Reasoning Simulator の初期 *alpha* 実装も含まれています

*注意*：これらのアルファ版シミュレーターの実装は未完成であり、変更される可能性があります

- `mcts-002alt-alpha`

    - Bidirectional Search Method と、Policy Simulation Layer の初期 *alpha* 実装を使用します

    - Adaptive Exploration Simulator と Outcome Based Reasoning Simulator の初期 *alpha* 実装も含まれています

*注意*：これらのアルファ版シミュレーターの実装は未完成であり、変更される可能性があります

mcts-001-alpha と mcts-001alt-alpha はどうなりましたか？

簡単に言うと、役に立たず、ベースの mcts メソッドとほとんど変わらなかったためです。初期テストでは、基本的な思考プロセスの結果がほぼ同じで、Policy Simulation を追加するだけでは効果がない可能性が示されました。

では、なぜ今になって Policy Simulation Layer を追加するのですか？

Policy と Search を連携させることは重要だと思うからです。ほとんどのアルゴリズムがこのように実装しているためです。

以前のバージョン：

v1.1.0

モデルが検索パラメーターを制御できるようになりました：

beamWidth - Claude が追跡する経路の数を調整できます（1～10）

numSimulations - MCTS シミュレーション数を細かく調整できます（1～150）

機能

• 切り替えて使える 2 つの検索戦略：
  • Beam search（単純な問題に適しています）
  • MCTS（複雑な問題向け）、アルファ版のバリエーションもあります（上記参照）
• さまざまな推論経路の良し悪しを追跡します
• Claude が問題をどのように考えるか、あらゆる方法をマッピングします
• 推論プロセスがどのように進んだかを分析します
• MCP プロトコルに準拠しています（当然です）

インストール

git clone https://github.com/frgmt0/mcp-reasoner.git 

OR clone the original:

git clone https://github.com/Jacck/mcp-reasoner.git

cd mcp-reasoner
npm install
npm run build

設定

Claude Desktop の設定に追加します：

{
  "mcpServers": {
    "mcp-reasoner": {
      "command": "node",
      "args": ["path/to/mcp-reasoner/dist/index.js"],
    }
  }
}

テスト

[テストは近日追加予定です]

ベンチマーク

[ベンチマークは近日追加予定です]

テスト対象となる主要なベンチマーク：

• MATH500

• GPQA-Diamond

• GMSK8

• Polyglot や SWE-Bench も候補です

ライセンス

このプロジェクトは MIT License の下でライセンスされています。詳細は LICENSE ファイルを参照してください。