MCP Think Tool Server

MCP Think Tool Server

LLM（大規模言語モデル）の複雑な推論能力を高める「think」ツールを実装した、Model Context Protocol（MCP）サーバーです。このツールは、問題解決タスクに取り組む際にLLMが構造化して思考するための専用スペースを提供し、ポリシーの遵守と複数ステップの推論が求められる複雑なシナリオでのパフォーマンスを大幅に向上させます。

🧠 概要

Think Tool MCP サーバーは、LLMに専用の「思考スペース」を提供すると複雑なタスクのパフォーマンスが大幅に向上することを示した、Anthropicの研究に基づいています。このツールを使うと、互換性のあるあらゆるLLM（Claude、GPT-4など）が次のことを行えます。

• 複雑な問題を、対応可能なステップに分解する
• 構造化された推論と分析を行う
• 意思決定中にポリシーへの準拠を確認する
• 複数のツール呼び出しから情報を処理し、統合する
• 長い推論の連鎖において、コンテキストと論理的な流れを維持する

Anthropicのブログ記事で説明されているように、think ツールは、さまざまな言語モデルで複雑な推論とポリシーの遵守を必要とするタスクにおいて、大幅な改善を示しています。

✨ 特徴

• 🔧 構造化された思考スペース：複雑な推論のための専用環境をLLMに提供します
• 📝 記憶の補助：ツール呼び出しが長く続く間、コンテキストの維持を支援します
• 🎯 ポリシーの確認：ポリシーへの慎重な準拠確認を可能にします
• 🔍 問題の分解：複雑な問題をステップに分解するのを支援します
• ⚡ 軽量：効率的なMCP実装により、オーバーヘッドを最小限に抑えます
• 🔌 簡単な統合：人気のAIプラットフォーム（Cursor、Claude Desktopなど）に簡単にセットアップできます
• 🛠️ TypeScript：型安全性とより快適な開発環境を実現するため、TypeScriptで構築されています
• 🌐 幅広い互換性：Model Context Protocolに対応するあらゆるLLMで動作します

🚀 プラットフォームの設定

Cursor IDE

要件：Cursor バージョン0.45.6以降

1. Cursor Settings を開きます（Cmd/Ctrl + ,）
2. Features → MCP Servers に移動します
3. "+ Add New MCP Server" をクリックします
4. サーバーを設定します。
   • Name：think-tool-mcp（または任意の名前）
   • Type：command
   • Command：npx -y think-tool-mcp
5. 保存してCursorを再起動します

Claude Desktop

claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "think-tool": {
      "command": "npx",
      "args": ["-y", "think-tool-mcp"]
    }
  }
}

設定ファイルの場所：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

その他のMCP対応プラットフォーム

このサーバーは、Model Context Protocolに対応するあらゆるプラットフォームで動作します。MCPサーバーの設定については、お使いのプラットフォームのドキュメントを参照してください。

📊 パフォーマンス分析

Anthropicによる広範な研究では、LLMがthink ツールを使用すると、パフォーマンスが大幅に向上することが示されています。以下の結果は、さまざまなベンチマークとユースケースにおける測定可能な効果を示しています。

τ-Bench（Tau-Bench）の結果

τ-Benchは、現実的なカスタマーサービスのシナリオにおけるLLMのツール使用をテストするために設計された、包括的なベンチマークです。複雑な会話を進め、詳細なポリシーガイドラインに従い、複数のタスク試行を通じて一貫性を維持する能力を評価します。

航空業界でのパフォーマンス

航空業界は、詳細なルールを厳密に遵守することが重要となる、複雑でポリシーの多い環境を表しています。

設定	k=1	k=2	k=3	k=4	k=5
Think + 最適化されたプロンプト	0.584	0.444	0.384	0.356	0.340
Think ツールのみ	0.404	0.254	0.186	0.140	0.100
拡張思考	0.412	0.290	0.232	0.192	0.160
ベースライン（Think ツールなし）	0.332	0.206	0.148	0.116	0.100

主な調査結果：

• pass^1 指標で相対的に54％改善（0.584 対 ベースラインの0.370）
• 例を用いた最適化プロンプトにより、パフォーマンスが大幅に向上しました
• 試行の一貫性の各レベル（k=1～k=5）で改善が維持されました

小売業界でのパフォーマンス

小売業界ではポリシーがよりシンプルなため、詳細なプロンプトを追加しなくても Think ツールの効果が現れます。

設定	k=1	k=2	k=3	k=4	k=5
Think ツール（プロンプトなし）	0.812	0.735	0.685	0.650	0.626
拡張思考	0.770	0.681	0.623	0.581	0.548
ベースライン	0.783	0.695	0.643	0.607	0.583

主な調査結果：

• 追加のプロンプトなしで、pass^1 指標が3.7％改善
• 複雑さの異なる環境で効果を発揮することを示しています
• 複数の試行を通じて一貫したパフォーマンス向上が維持されました

SWE-Bench の結果

SWE-Bench は、実際のソフトウェアエンジニアリングタスクにおけるコーディング性能を評価します。Think ツールにより、Claude 3.7 Sonnet は最先端のパフォーマンスを達成しました。

パフォーマンスへの影響：

• ベースラインスコア：62.3％（Think ツールなし）
• Think ツール使用時：64.9％（1.6％の改善に基づく推定値）
• 統計的有意性：Welch の t 検定：t(38.89) = 6.71、p < .001、d = 1.47
• サンプル数：Think ツール使用時30サンプル、未使用時144サンプル

パフォーマンスに関する考察

Think ツールが特に効果を発揮する場面

1. ポリシーの多い環境：複雑なルールの遵守が求められる場合、最大54％改善
2. 逐次的な意思決定：各アクションが前のアクションを踏まえる場合、大幅に向上
3. ツール出力の分析：複数のツール呼び出しの結果を処理する際にパフォーマンスが向上
4. 複雑な領域への対応：難易度の高い領域（航空業界と小売業界の比較）でより大きな効果

最適化の要因

1. 領域に応じたプロンプト：特定のユースケースに合わせた例により、効果が大幅に向上します
2. 複雑さとの相関：より複雑な領域ほど、構造化された思考から大きな恩恵を受けます
3. 一貫性の向上：複数回の試行でも効果が維持され、堅牢性が示されています
4. エラーの削減：LLM がエッジケースや通常とは異なる状況に、より効果的に対応できるようになります

比較分析

アプローチ	航空業界（k=1）	小売業界（k=1）	導入の労力
ベースライン	0.332	0.783	なし
拡張思考	0.412（+24％）	0.770（-1.7％）	プラットフォームに依存
Think ツール	0.404（+22％）	0.812（+3.7％）	最小限
Think + 最適化されたプロンプト	0.584（+76％）	該当なし	低い

要点：Think ツールは導入時の負担を最小限に抑えつつ、パフォーマンスを大幅に向上させます。そのため、複雑な推論を必要とする状況で LLM の能力を高めるのに最適です。

📦 インストール

npx ですぐに始める（推奨）

最も手早く始める方法：

npx -y think-tool-mcp

グローバルインストール

複数のプロジェクトで継続して使用する場合：

npm install -g think-tool-mcp

ローカル開発用インストール

コントリビューションまたはローカル開発の場合：

git clone https://github.com/abhinav-mangla/think-tool-mcp.git
cd think-tool-mcp
npm install
npm run build
npm start

🎯 使用例

複雑な問題の解決

Human: Help me optimize our company's supply chain with 5 warehouses and 12 retail locations.

LLM: I'll help you optimize your supply chain. Let me think through this systematically.

[Uses think tool]
Thought: This is a complex optimization problem requiring:
1. Analysis of warehouse-retail location distances
2. Shipping cost calculations between all pairs
3. Delivery time constraints evaluation
4. Inventory capacity considerations
5. Demand pattern analysis

I need to formulate this as a linear programming problem and consider both cost minimization and delivery time constraints...

[Proceeds with structured solution based on analysis]

ポリシーの遵守

Human: Can I return this opened product after 45 days without a receipt?

LLM: Let me carefully check our return policy.

[Uses think tool]
Thought: Analyzing this return request:
- Item: 45 days old (exceeds standard 30-day window)
- No receipt available
- Package opened

Policy considerations:
- Standard returns require 30 days + receipt
- Store credit might be possible with purchase verification
- Product category affects policy (electronics vs. clothing)
- Loyalty members may have extended windows
- Manager override possibilities

[Provides policy-compliant response with available options]

複数ツールの分析

Human: Find inactive premium users (60+ days) and create a re-engagement campaign.

LLM: I'll search the database and create a targeted campaign.

[Runs database queries]
[Uses think tool]
Thought: Query results show 342 inactive premium users. Key patterns:
- 45% are in 6-12 month subscription cohort
- 72% last activity was "viewed dashboard"
- Only 8% used newest features
- 28% had support tickets before going inactive

Campaign strategy:
- Segment users by usage patterns
- Highlight unexplored features
- Address support-related pain points
- Personalize incentives based on history

[Creates targeted email campaign based on analysis]

🔧 API リファレンス

利用可能なツール

think

複雑な推論や分析のための専用スペースを LLM に提供します。

パラメーター：

• thought（文字列、必須）：記録する思考プロセス、推論、または分析

説明： think ツールは、LLM が実行する必要のある構造化された思考を受け付けます。以下のような内容を含められます。

• 段階的な問題分析
• ポリシー検証のワークフロー
• 複数の基準に基づく意思決定
• 複数の情報源からの情報の統合
• 複雑な推論の連鎖

使用パターン： 複雑な推論が必要な場合、LLM はこのツールを自動的に使用します。このツールは新しい情報を取得したり、変更を加えたりするものではなく、構造化された思考のためのスペースを提供するだけです。

🏗️ 開発

プロジェクト構成

think-tool-mcp/
├── src/
│   ├── index.ts          # CLI entry point
│   └── server.ts         # MCP server implementation
├── examples/
│   └── example_usage.md  # Usage examples
├── dist/                 # Compiled JavaScript
├── package.json
├── tsconfig.json
└── README.md

ソースからビルドする

# Install dependencies
npm install

# Build the project
npm run build

# Run in development mode
npm run dev

# Start the built server
npm start

貢献

貢献を歓迎します！お気軽にプルリクエストを送信してください。大きな変更を行う場合は、まず issue を作成し、変更したい内容についてご相談ください。

1. リポジトリをフォークします
2. フィーチャーブランチを作成します（git checkout -b feature/amazing-feature）
3. 変更をコミットします（git commit -m 'Add some amazing feature'）
4. ブランチにプッシュします（git push origin feature/amazing-feature）
5. プルリクエストを作成します

📋 要件

• Node.js：バージョン 16 以降
• npm：Node.js に同梱されています
• MCP 互換プラットフォーム：Cursor、Claude Desktop、その他の MCP 対応アプリケーション

🔍 トラブルシューティング

よくある問題

サーバーが起動しない：

• Node.js 16 以降がインストールされていることを確認してください
• MCP の設定でコマンドのパスが正しいことを確認してください
• ポートの競合がないことを確認してください

AI プラットフォームにツールが表示されない：

• MCP サーバーが正しく設定されていることを確認してください
• 設定を変更した後、AI プラットフォームを再起動してください
• プラットフォーム固有の MCP ドキュメントを確認してください

権限エラー：

• Unix システムでは、バイナリが実行可能であることを確認してください
• グローバルインストールではなく、npx を使用してみてください

デバッグモード

開発およびデバッグの場合：

npm run dev

これにより、TypeScript を直接使用してサーバーが実行され、より詳細なエラー情報が表示されます。

📚 詳細情報

• Model Context Protocol のドキュメント
• Anthropic の Think Tool に関するブログ記事
• MCP SDK のドキュメント
• 使用例ガイド

📄 ライセンス

このプロジェクトは MIT ライセンスの下で公開されています。詳細は LICENSE ファイルをご覧ください。

👤 作者

Abhinav Mangla

• GitHub： @abhinav-mangla
• リポジトリ：think-tool-mcp

🙏 謝辞

• think ツールの研究と手法を提供してくださった Anthropic
• 優れたフレームワークを提供してくださった Model Context Protocol チーム
• 貢献とフィードバックを寄せてくださったオープンソースコミュニティ

---

ひとつひとつの思考で、AI の推論能力を高めます。