mcp-server-deepseek

mcp-server-deepseek

一个 Model Context Protocol (MCP) 服务，可访问 DeepSeek-R1 的推理能力，让不具备推理能力的模型也能通过增强思考生成更好的回复。

• 阅读 R1+Sonnet set SOTA on aider’s polyglot benchmark

概述

此服务充当大模型应用与 DeepSeek 推理能力之间的桥梁。它通过 MCP 工具公开 DeepSeek-R1 的推理内容，任何兼容 MCP 的客户端都可以使用该工具。

此服务尤其适用于：

• 增强不具备原生推理能力的模型的回复
• 获取 DeepSeek-R1 的思考过程，以解决复杂问题
• 为 Claude 或其他支持 MCP 的大模型添加结构化推理

功能

• 访问 DeepSeek-R1：连接 DeepSeek 的 API，以利用其推理模型
• 结构化思考：以结构化的 <thinking> 格式返回推理内容
• 集成 MCP：完全兼容 Model Context Protocol
• 错误处理：提供稳健的错误处理和详细日志

安装

先决条件

• Python 3.13 或更高版本
• DeepSeek API 密钥

设置

1. 克隆仓库：

   git clone https://github.com/yourusername/mcp-server-deepseek.git
   cd mcp-server-deepseek
   

2. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   

3. 安装软件包：

   pip install -e .
   

4. 创建 .env 文件，填入 DeepSeek API 凭据：

   cp .env.example .env
   

5. 编辑 .env 文件，填入 API 密钥和模型详情：

   MCP_SERVER_DEEPSEEK_MODEL_NAME=deepseek-reasoner
   MCP_SERVER_DEEPSEEK_API_KEY=your_api_key_here
   MCP_SERVER_DEEPSEEK_API_BASE_URL=https://api.deepseek.com
   

使用方法

运行服务

你可以直接运行服务：

mcp-server-deepseek

也可以通过 MCP Inspector 使用开发模式：

make dev

MCP 工具

此服务提供一个工具：

think_with_deepseek_r1

此工具会向 DeepSeek-R1 发送提示词，并返回其推理内容。

参数：

• prompt（字符串）：要处理的完整用户提示词

返回值：

• 包含 DeepSeek-R1 推理内容的字符串，内容以 <thinking> 标签包裹

使用示例

与 Claude 或其他支持 MCP 的大模型搭配使用时，你可以调用此工具来触发思考过程：

Please use the think_with_deepseek_r1 tool with the following prompt:
"How can I optimize a neural network for time series forecasting?"

开发

测试

开发和测试时，请使用 MCP Inspector：

npx @modelcontextprotocol/inspector uv run mcp-server-deepseek

日志

日志存储在 ~/.cache/mcp-server-deepseek/server.log

可以通过 LOG_LEVEL 环境变量配置日志级别（默认为 DEBUG）。

故障排除

常见问题

• API 密钥问题：确保已在 .env 文件中正确设置 DeepSeek API 密钥
• 超时错误：复杂提示词可能导致超时。请尝试简化提示词
• 缺少推理内容：某些查询可能不会生成推理内容。请尝试改写

错误日志

查看日志以获取详细的错误消息：

cat ~/.cache/mcp-server-deepseek/server.log

许可证

MIT

贡献

欢迎贡献！请随时提交 Pull Request。

致谢

• 感谢 DeepSeek 团队打造了强大的推理模型
• 基于 Model Context Protocol 框架构建