草案链（CoD）MCP 服务器

概述

该 MCP 服务器实现了研究论文《Chain of Draft: Thinking Faster by Writing Less》中描述的 Chain of Draft (CoD) 推理方法。CoD 是一种新颖的范式，它允许 LLM 在解决任务时生成简洁但信息丰富的中间推理输出，从而显著减少 token 的使用，同时保持准确性。

主要优点

• 效率：显著减少代币使用量（仅为标准 CoT 的 7.6%）

• 速度：由于生成时间较短，响应速度更快

• 节省成本：降低 LLM 调用的 API 成本

• 保持精度：与 CoT 相比，精度相似甚至更高

• 灵活性：适用于各种推理任务和领域

特征

1. 草案实施的核心链

   • 简洁的推理步骤（通常 5 个字或更少）

   • 格式强制执行

   • 答案提取

2. 性能分析

   • 代币使用情况追踪

   • 解决方案准确性监控

   • 执行时间测量

   • 特定领域的性能指标

3. 自适应字数限制

   • 自动复杂度评估

   • 动态调整字数限制

   • 特定领域校准

4. 综合示例数据库

   • CoT 到 CoD 的转换

   • 特定领域的示例（数学、代码、生物、物理、化学、谜题）

   • 基于问题相似度的示例检索

5. 格式执行

   • 后期处理以确保遵守字数限制

   • 台阶结构保存

   • 依从性分析

6. 混合推理方法

   • 自动选择 CoD 和 CoT

   • 特定领域优化

   • 基于历史绩效的选择

7. OpenAI API 兼容性

   • 标准 OpenAI 客户端的直接替代品

   • 支持完成和聊天界面

   • 轻松集成到现有工作流程中

设置和安装

先决条件

• Python 3.10+（用于 Python 实现）

• Node.js 18+（用于 JavaScript 实现）

• 人类学 API 密钥

Python 安装

1. 克隆存储库

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. 运行服务器：

   python server.py

JavaScript 安装

1. 克隆存储库

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. 运行服务器：

   node index.js

Claude 桌面集成

与 Claude Desktop 集成：

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. 添加服务器配置（Python版本）：

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

   或者对于 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桌面

您还可以使用 Claude CLI 添加服务器：

可用工具

Chain of Draft 服务器提供以下工具：

开发人员使用情况

Python客户端

如果您想在 Python 代码中直接使用 Chain of Draft 客户端：

JavaScript 客户端

对于 JavaScript/Node.js 应用程序：

实现细节

该服务器有 Python 和 JavaScript 两种实现，均由几个集成组件组成：

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 ：分析问题以确定适当的字数限制

3. ExampleDatabase ：管理和检索示例，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 ：根据问题特征在 CoD 和 CoT 之间进行智能选择

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性和适当的字数限制

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表现自动在 CoD 和 CoT 之间进行选择

两种实现都遵循相同的核心原则并提供相同的 MCP 工具，使得它们在大多数用例中可以互换。

执照

该项目是开源的，并根据 MIT 许可证提供。