Sequential Thinking Multi-Agent System (MAS)

Sequential Thinking Multi-Agent System (MAS)

英語 | 简体中文

専門分野の異なる AI エージェントのチームが、それぞれ異なる認知的視点から問題を分析しながら、順序立てて思考を処理する MCP サーバーです。

これは何か

これはスタンドアロンアプリケーションではなく、MCP サーバーです。バックグラウンドサービスとして動作し、MCP 互換の LLM クライアント（Claude Desktop など）に、構造化された順次思考機能を追加します。sequentialthinking というツールを 1 つ公開し、固定されたマルチエージェントのワークフローを通じて各思考を処理します。最初の統合、複数の専門エージェントによる並列思考、そして元の質問に答える最終統合の順に実行します。

動作の仕組み

すべてのリクエストで、固定の full_exploration 戦略を使用します。AI の複雑さアナライザーは、診断メタデータ（複雑さのスコア、問題の種類、必要な思考モード）の記録のために引き続き実行されますが、実行経路は変更しなくなりました。すべての思考は同じ経路をたどります。

flowchart TD
    A[Input Thought] --> B[AI Complexity Analyzer]
    B --> C[Complexity Metadata Stored]
    C --> D[Fixed Strategy: full_exploration]
    D --> E[Step 1: Initial Synthesis]
    E --> F[Step 2: Parallel Specialist Agents]
    F --> G[Step 3: Final Synthesis]
    G --> H[Unified Response]

専門エージェント

各リクエストでは、6 つの専門エージェントが並列で実行されます。また、統合エージェントは最初と最後に 1 回ずつ、計 2 回実行されます。統合エージェント以外のすべての専門エージェントは、必要に応じて ExaTools によるウェブ調査を利用できます。

エージェント	思考の方向性	焦点	時間の上限
事実	factual	客観的な事実と検証済みデータ	120s
感情	emotional	直感と率直な反応	30s
批判	critical	リスク、弱点、論理的な欠陥	120s
楽観	optimistic	利点、機会、価値	120s
創造	creative	新しいアイデアと代替案	240s
メタ認知	metacognitive	バイアスの検出と思考プロセスの評価	90s
統合	synthesis	統合と最終回答	60s

主な特性：

• 決定論的：すべてのリクエストで同じ複数ステップの経路を実行します。
• 並列：専門エージェントは asyncio.gather を使って同時に実行されます。
• 統合主導：オーケストレーションと最終回答の両方を、強化モデルを使用する統合エージェントが生成します。

モデル戦略

プロバイダーごとに 2 つのモデルを設定します。

• 強化モデル：統合エージェントが使用します（統合作業）。
• 標準モデル：専門エージェントが使用します。

調査機能

統合エージェントを除くすべてのエージェントに ExaTools が追加されています。調査は任意で、EXA_API_KEY が設定されている場合にのみ有効になります。設定されていない場合、システムは純粋な推論で動作します。

sequentialthinking ツール

サーバーは MCP ツールを 1 つ公開します。

入力

{
  thought: string,               // One focused reasoning step
  thoughtNumber: number,         // 1-based step index; increment each call
  totalThoughts: number,         // Planned number of steps
  nextThoughtNeeded: boolean,    // true for intermediate steps, false on final step
  isRevision: boolean,           // true only when revising earlier conclusions
  branchFromThought?: number,    // Set with branchId to branch from a prior step
  branchId?: string,             // Branch identifier (required when branching)
  needsMoreThoughts: boolean     // true only when extending beyond totalThoughts
}

出力

{
  should_continue: boolean,      // Canonical continuation signal
  next_thought_number: number?,  // Recommended next thoughtNumber
  stop_reason: string,           // Why to continue/stop/retry
  current_thought_number: number,
  total_thoughts: number,
  next_call_arguments?: {        // Suggested next-call arguments when applicable
    thoughtNumber: number,
    totalThoughts: number,
    nextThoughtNeeded: boolean,
    needsMoreThoughts: boolean
  },
  parameter_usage: Record<string, string>
}

呼び出しの契約

• このツールは一度きりの呼び出しではなく、複数ステップのループとして扱ってください。
• 応答のたびに、structuredContent.should_continue を確認してください。
• should_continue が false になるまで呼び出しを続けてください。
• リフレクションを積極的に活用してください。ステップの内容が不十分または誤っている場合は、isRevision=true を指定して修正ステップを送信してください。
• 次のリクエストを作成する際は、structuredContent.next_thought_number と next_call_arguments を優先して使用してください。

対応プロバイダー

プロバイダー	環境変数	強化モデルのデフォルト	標準モデルのデフォルト
DeepSeek（デフォルト）	DEEPSEEK_API_KEY	deepseek-chat	deepseek-chat
Groq	GROQ_API_KEY	openai/gpt-oss-120b	openai/gpt-oss-20b
OpenRouter	OPENROUTER_API_KEY	deepseek/deepseek-chat-v3-0324	deepseek/deepseek-r1
GitHub Models	GITHUB_TOKEN	openai/gpt-5	openai/gpt-5-min
Anthropic	ANTHROPIC_API_KEY	claude-3-5-sonnet-20241022	claude-3-5-haiku-20241022
Ollama	なし	devstral:24b	devstral:24b

インストール

前提条件

• Python 3.10+
• 上記いずれかのプロバイダーの LLM API キー
• 任意：ウェブ調査用の EXA_API_KEY
• uv パッケージマネージャー（推奨）または pip

インストール

git clone https://github.com/FradSer/mcp-server-mas-sequential-thinking.git
cd mcp-server-mas-sequential-thinking

uv pip install .        # or: pip install .

MCP クライアントの設定

MCP クライアントの設定に追加します。

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "mcp-server-mas-sequential-thinking",
      "env": {
        "LLM_PROVIDER": "deepseek",
        "DEEPSEEK_API_KEY": "your_api_key",
        "EXA_API_KEY": "your_exa_key_optional"
      }
    }
  }
}

環境変数

# LLM provider (required)
LLM_PROVIDER="deepseek"  # deepseek, groq, openrouter, github, anthropic, ollama
DEEPSEEK_API_KEY="sk-..."

# Optional: override the models per provider (prefixed by provider name)
# DEEPSEEK_ENHANCED_MODEL_ID="deepseek-chat"
# DEEPSEEK_STANDARD_MODEL_ID="deepseek-chat"

# Optional: web research (enables ExaTools)
# EXA_API_KEY="your_exa_api_key"

# Optional: custom endpoint
# LLM_BASE_URL="https://custom-endpoint.com"

# Optional: team orchestration mode (standard/broadcast, route, coordinate)
# TEAM_MODE="standard"

サーバーを直接実行する

mcp-server-mas-sequential-thinking        # installed script
uv run mcp-server-mas-sequential-thinking  # or via uv

開発

# Install with dev dependencies
uv pip install -e ".[dev]"

# Code quality
uv run ruff check . --fix
uv run ruff format .
uv run mypy .

# Run tests
uv run pytest tests/

# Or use the Makefile
make test        # all tests with coverage + quality checks
make test-fast   # fast run without coverage
make check-all   # all quality checks

MCP Inspector でテストする

npx @modelcontextprotocol/inspector uv run mcp-server-mas-sequential-thinking

http://127.0.0.1:6274/ を開き、sequentialthinking ツールをテストします。

トークン消費に関する警告

マルチエージェントアーキテクチャでは、単一エージェントのツールよりも大幅に多くのトークンを消費します。各呼び出しで複数の専門エージェントを起動するため、sequentialthinking の呼び出しごとにおよそ5～10倍になります。その代わり、より深く、多角的な分析が可能です。

プロジェクト構成

mcp-server-mas-sequential-thinking/
├── src/mcp_server_mas_sequential_thinking/
│   ├── main.py                          # MCP server entry point (MCPServer)
│   ├── processors/
│   │   ├── multi_thinking_core.py       # Specialist agent definitions
│   │   └── multi_thinking_processor.py  # Parallel sequence execution
│   ├── routing/
│   │   ├── ai_complexity_analyzer.py    # AI complexity analysis
│   │   ├── complexity_types.py          # Complexity metric models
│   │   └── multi_thinking_router.py     # Fixed full_exploration routing
│   ├── services/
│   │   ├── server_core.py               # ThoughtProcessor implementation
│   │   ├── processing_orchestrator.py   # Agno Team orchestration
│   │   ├── workflow_executor.py
│   │   └── context_builder.py
│   ├── infrastructure/
│   │   ├── persistent_memory.py         # SQLite session storage
│   │   └── learning_resources.py        # Agent learning machine
│   ├── security/rate_limiter.py         # Rate limiting and request validation
│   └── config/
│       ├── modernized_config.py         # Provider strategies
│       └── constants.py                 # System constants
├── scripts/mcp_python_client_smoke.py   # Protocol smoke test
├── tests/                               # Unit and integration tests
├── pyproject.toml
└── Makefile

変更履歴

バージョン履歴については、CHANGELOG.md を参照してください。

コントリビューション

コントリビューションを歓迎します。以下を確認してください。

1. コードがプロジェクトのスタイル（ruff、mypy）に準拠していること
2. コミットメッセージが Conventional Commits 形式であること
3. PR を提出する前に、すべてのテストが通ること
4. 必要に応じてドキュメントが更新されていること

ライセンス

このプロジェクトには、まだライセンスが明記されていません。再利用する場合は、LICENSE に関する議論を参照してください。

謝辞

• Agno v2.x を使用して構築
• Anthropic による Model Context Protocol
• Exa による調査機能（任意）
• Edward de Bono の業績に着想を得た多次元的思考

サポート

• GitHub Issues：バグの報告や機能のリクエスト
• ドキュメント：実装に関するメモは CLAUDE.md を参照してください
• MCP プロトコル：MCP 公式ドキュメント