Chain of Draft (CoD) MCP Server

Chain of Draft（CoD）MCP 服务

概述

此 MCP 服务实现了研究论文《Chain of Draft：少写一点，思考更快》中介绍的 Chain of Draft（CoD）推理方法。CoD 是一种新颖的范式，支持大模型在解决任务时生成简洁而有用的中间推理结果，大幅减少令牌用量，同时保持准确性。

主要优势

• 高效：大幅减少令牌用量（最低仅为标准 CoT 的 7.6%）
• 快速：生成时间更短，响应速度更快
• 节省成本：降低大模型调用的 API 成本
• 保持准确性：与 CoT 相比，准确性相近甚至更高
• 灵活：适用于各种推理任务和领域

功能

1. Chain of Draft 核心实现

   • 简洁的推理步骤（通常不超过 5 个词）
   • 格式强制规范
   • 答案提取

2. 性能分析

   • 令牌用量跟踪
   • 解答准确性监控
   • 执行时间测量
   • 特定领域的性能指标

3. 自适应词数限制

   • 自动估算复杂度
   • 动态调整词数限制
   • 特定领域的校准

4. 全面的示例数据库

   • CoT 到 CoD 的转换
   • 特定领域的示例（数学、代码、生物学、物理学、化学、谜题）
   • 根据问题相似度检索示例

5. 格式强制规范

   • 后处理，确保遵守词数限制
   • 保留步骤结构
   • 遵守情况分析

6. 混合推理方法

   • 自动在 CoD 和 CoT 之间进行选择
   • 特定领域的优化
   • 基于历史性能进行选择

7. 兼容 OpenAI API

   • 可直接替换标准 OpenAI 客户端
   • 支持 completions 和 chat 接口
   • 轻松集成到现有工作流中

设置与安装

前置条件

• Python 3.10+（用于 Python 实现）
• Node.js 18+（用于 JavaScript 实现）
• Anthropic API 密钥

Python 安装

1. 克隆代码仓库
2. 安装依赖项：

   pip install -r requirements.txt
   

3. 在 .env 文件中配置 API 密钥：

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务：

   python server.py
   

JavaScript 安装

1. 克隆代码仓库
2. 安装依赖项：

   npm install
   

3. 在 .env 文件中配置 API 密钥：

   ANTHROPIC_API_KEY=your_api_key_here
   

4. 运行服务：

   node index.js
   

集成 Claude Desktop

要集成 Claude Desktop：

1. 从 claude.ai/download 安装 Claude Desktop

2. 创建或编辑 Claude Desktop 配置文件：

   ~/Library/Application Support/Claude/claude_desktop_config.json
   

3. 添加服务配置（Python 版本）：

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "python3",
               "args": ["/absolute/path/to/cod/server.py"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

   或者，使用 JavaScript 版本：

   {
       "mcpServers": {
           "chain-of-draft": {
               "command": "node",
               "args": ["/absolute/path/to/cod/index.js"],
               "env": {
                   "ANTHROPIC_API_KEY": "your_api_key_here"
               }
           }
       }
   }
   

4. 重启 Claude Desktop

你也可以使用 Claude CLI 添加服务：

# For Python implementation
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "python3 /absolute/path/to/cod/server.py"

# For JavaScript implementation
claude mcp add chain-of-draft -e ANTHROPIC_API_KEY="your_api_key_here" "node /absolute/path/to/cod/index.js"

可用工具

Chain of Draft 服务提供以下工具：

工具	描述
chain_of_draft_solve	使用 Chain of Draft 推理解决问题
math_solve	使用 CoD 解决数学问题
code_solve	使用 CoD 解决编码问题
logic_solve	使用 CoD 解决逻辑问题
get_performance_stats	获取 CoD 与 CoT 的性能统计数据
get_token_reduction	获取令牌减少情况的统计数据
analyze_problem_complexity	分析问题复杂度

开发者用法

Python 客户端

如果你想在 Python 代码中直接使用 Chain of Draft 客户端：

from client import ChainOfDraftClient

# Create client 
cod_client = ChainOfDraftClient()

# Use directly
result = await cod_client.solve_with_reasoning(
    problem="Solve: 247 + 394 = ?",
    domain="math"
)

print(f"Answer: {result['final_answer']}")
print(f"Reasoning: {result['reasoning_steps']}")
print(f"Tokens used: {result['token_count']}")

JavaScript 客户端

用于 JavaScript/Node.js 应用：

import { Anthropic } from "@anthropic-ai/sdk";
import dotenv from "dotenv";

// Load environment variables
dotenv.config();

// Create the Anthropic client
const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// Import the Chain of Draft client
import chainOfDraftClient from './lib/chain-of-draft-client.js';

// Use the client
async function solveMathProblem() {
  const result = await chainOfDraftClient.solveWithReasoning({
    problem: "Solve: 247 + 394 = ?",
    domain: "math",
    max_words_per_step: 5
  });
  
  console.log(`Answer: ${result.final_answer}`);
  console.log(`Reasoning: ${result.reasoning_steps}`);
  console.log(`Tokens used: ${result.token_count}`);
}

solveMathProblem();

实现详情

此服务提供 Python 和 JavaScript 两种实现，均由多个集成组件组成：

Python 实现

1. AnalyticsService：跟踪不同问题领域和推理方法的性能指标
2. ComplexityEstimator：分析问题，以确定合适的字数限制
3. ExampleDatabase：管理和检索示例，并将 CoT 示例转换为 CoD 格式
4. FormatEnforcer：确保推理步骤符合字数限制
5. ReasoningSelector：根据问题特征智能选择 CoD 或 CoT

JavaScript 实现

1. analyticsDb：用于跟踪性能指标的内存数据库
2. complexityEstimator：分析问题，以确定复杂度和合适的字数限制
3. formatEnforcer：确保推理步骤符合字数限制
4. reasoningSelector：根据问题特征和历史性能自动选择 CoD 或 CoT

两种实现都遵循相同的核心原则，并提供相同的 MCP 工具，因此在大多数使用场景中可以互换。

许可证

本项目采用 MIT 许可证开源。