每日 MCP Server

Sequential Thinking MCP:给 Agent 装上可分支、可回退的动态思维链

2026-08-28
开发仓库
支持客户端:
Claude CodeCursorVS Code
MCPSequential Thinking思维链推理Agent

简介

Chain-of-Thought 是死的,真实推理是活的——遇到死胡同要能回退、信息不够要能补一支分支、思路跑偏要能推翻重来。Sequential Thinking MCP(@modelcontextprotocol/server-sequential-thinking)把思维链变成 Agent 可调用的工具:每一步是一个 thought 节点,支持分支、修订、合并,并自动维护思维链的总长度与深度。本篇覆盖核心能力、Claude Code / Cursor / VS Code 三客户端配置、与 Memory MCP 的协同、以及把它接进 Agent 决策循环的实战场景。

安装命令

npx -y @modelcontextprotocol/server-sequential-thinking

Sequential Thinking MCP 解决什么问题

普通思维链(CoT)是"一锤子买卖":模型把推理过程写在一条消息里,写完就完。但真实复杂推理有三个死穴普通 CoT 处理不了:

  • 死胡同:顺着某条思路走到一半发现错了,没法回退到第 3 步换个分支继续
  • 信息缺口:推到一半发现缺关键信息,没法临时插一支"调研分支"补完再回来
  • 自我推翻:得到初步结论后发现新证据推翻前几步,没法干净地修订而不重写整条链

Sequential Thinking MCP 把思维链做成可调用的工具:Agent 每次调用 sequentialthinking 工具提交一个 thought,工具维护一条有向思维链,支持 nextThoughtPending、分支 branchFromThoughtId、修订 revisesPreviousThought 等语义,并自动追踪总长度与当前深度。这样推理就变成了可分支、可回退、可合并的图,而不是一条写死的线。

核心能力

能力工具参数典型用途
追加思考thought + nextThoughtPending:true标准推进下一步
分支推理branchFromThoughtId从历史某步另开一支试探
修订前文revisesPreviousThought:true发现错误后干净地修正
结束链路nextThoughtPending:false标记本轮推理收口
元信息thoughtNumber / totalThoughts / depth自我感知链路进度

思维链数据默认存本地(运行期内存/本地文件),不联网不上传,敏感推理留在本机。

安装与配置

Claude Code(CLI)

# 全局注册(所有项目可用)
claude mcp add sequential-thinking -- npx -y @modelcontextprotocol/server-sequential-thinking

Cursor

编辑 ~/.cursor/mcp.json:

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

VS Code(搭配 Continue / Cline 等)

在对应扩展的 MCP 配置里加入:

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-sequential-thinking"]
    }
  }
}

配置后重启客户端,在工具列表里应能看到 sequentialthinking。

与 Memory MCP 的协同

Sequential Thinking 管"怎么想",Memory MCP 管"记住什么"。推荐组合:先用 Sequential Thinking 跑完一轮复杂推理,再把收口的最终结论写入 Memory(create_entities),而把中间的探索分支留在思维链里不沉淀——避免把推翻过的错误中间结论污染长期记忆。

实战场景

场景怎么用
多步排障每个假设一个 thought,验证失败就 revisesPreviousThought 回退换路
方案选型给每个候选方案开一个 branchFromThoughtId 分支,最后合并比选
复杂拆解边拆任务边发现新依赖,临时插分支调研,补完回主线
自我审查推完一轮后开一支"红队分支"专门找漏洞,修订主线

注意事项

  1. 它是推理脚手架不是答案生成器,最终产出仍要由主模型基于收口的思维链总结。
  2. 节点别贪多:单条链上百个 thought 会让上下文变重,适时用 nextThoughtPending:false 收口或拆成多轮。
  3. totalThoughts 是预估不是硬上限,别把它当强约束,真正收口靠 nextThoughtPending:false。
  4. 敏感推理链不要截图外发——本地存储的设计前提就是"留在本机"。

相关推荐

查看更多 →
MCP开发

Desktop Commander MCP:给 AI 开一扇能执行命令的门,以及门的锁

2026 年 9 月 17 日 Meta 发布 Muse for Mac——个人智能体在用户授权后可以直接整理下载文件夹、找回丢失文件、汇总消息笔记。同一周,Claude Code 把 Projects 重构成可并行调度多个云端线程。桌面智能体从「聊天」走到了「真上手操作你的电脑」。这扇门一旦打开,问题就变成:**怎么让 AI 能干活,又不会一个 rm -rf 把家底清了**。Desktop Commander MCP 是目前最主流的答案:它在 filesystem MCP 只读读写的基础上补上了终端执行、进程管理、长文件分块编辑三大能力,并配了一套可配置的权限沙箱。本文覆盖 22 个工具的完整清单、4 套客户端配置、3 个实战场景、安全沙箱的 5 层设计(路径白名单 / 命令黑名单 / 超时熔断 / 审计日志 / 干跑模式)、与 filesystem MCP 和其他方案的选型对比,以及 16 条故障排查表。

2026-09-18
#MCP#Desktop Commander
教程云计算部署

OpenManus 腾讯云部署完整指南:国产开源 AI 智能体搭建(接 DeepSeek/通义千问 + MCP 扩展,含 18 条故障排查)

OpenManus 是国产团队开源的通用 AI 智能体框架,能自动规划步骤、调用搜索与代码工具,把一句话任务拆解执行完。它对国内用户最友好的一点是:改一个 base_url 就能跑在 DeepSeek 或通义千问上,数据不出境,不用科学上网。本文手把手教你在腾讯云服务器上部署 OpenManus:Python 3.12 环境搭建、config.toml 配置项精调、国产模型接入、MCP 工具扩展、浏览器工具配置、定时任务与常驻运行,以及 18 条从依赖装不上、模型不调用工具到浏览器启动失败的真实故障排查。跟着做即可跑通第一个 Agent 任务。

2026-10-16
#OpenManus#AI智能体
MCP开发

MCP Elicitation 实战:让服务端在缺参数时反向向用户提问——受限 Schema 设计 + 四套客户端配置 + 13 行排查表

写 MCP Server 的人迟早会遇到一个尴尬场景:工具必填参数用户没给,服务端要么猜一个(猜错就出事),要么返回一个干巴巴的「缺少参数 xx」让 Agent 自己去追问(Agent 经常追问得驴唇不对马嘴)。MCP 协议里的 Elicitation 就是为这个场景设计的第三个「反向能力」——服务端可以在执行过程中主动向客户端发起一次提问,由客户端把问题渲染成表单弹给用户,用户填完再回传,全程服务端不需要自己实现任何 UI、不需要存任何凭据。本文讲透它的机制与边界:elicitation/create 请求的完整结构、为什么 requestedSchema 被刻意限制成只支持原始类型(这是安全设计不是能力不足)、用户的三种响应(accept / decline / cancel)各自的语义差异、以及最关键的——为什么不能在 Elicitation 里索取密码和 API Key。含 TypeScript SDK 完整实现(含类型定义与降级路径)、Claude Code / Cursor / VS Code + Copilot / Trae 四套带中文注释的配置、三个实战场景(部署确认 / 缺失参数补全 / 敏感操作二次确认)、与 Sampling / 传统参数校验的选型对比、六条安全注意事项,以及 13 行故障排查表。

2026-10-12
#MCP#Model Context Protocol
MCP开发

MCP Roots 与 Sampling 实战:让服务端主动划边界、反向要推理——四套客户端配置 + 14 行排查表

多数人写 MCP Server 只用到 Resources / Tools / Prompts 三项,Roots 和 Sampling 这两个反向能力基本闲置,结果就是 Server 既不知道自己该在哪干活,也没有推理能力。本文把这两个方向的能力讲透:Roots 是客户端告诉服务端「工作区边界在哪」的机制(URI 列表、roots/list 双向协商、listChanged 动态通知、路径穿越的必修防御),Sampling 是服务端反过来向客户端的 LLM 请求一次推理的机制(服务端不知道任何 API Key,模型由客户端挑、账由客户端付、人可以卡在中间审批)。含 TypeScript SDK 完整实现代码(含 sampling/createMessage 的类型定义与 human-in-the-loop 回调)、Claude Code / Cursor / VS Code + Copilot / Trae 四套带中文注释的配置、三个实战场景(单仓守卫 / 日志归因摘要 / 隐私脱敏代理)、与其他方案的选型对比表、六条安全注意事项,以及 14 行故障排查表。

2026-10-10
#MCP#Model Context Protocol