arben-adm/mcp-sequential-thinking

해결하는 문제

이 프로젝트는 AI 모델이 추론 과정을 기록하고 조직하며 추적할 수 있는 구조화된 방법을 제공합니다. 많은 모델이 '사고의 연쇄(chain-of-thought)' 접근법을 사용하지만, 이러한 사고는 종종 일시적입니다. 이 서버는 내구성 있고 스키마 검증이 완료된 사고 일지를 생성하여, 모델이 논리적 추적 기록을 유지하고, 이전 사고를 수정하며, 주요 사고 흐름을 잃지 않고 대안적 추론 경로(분기)를 탐색할 수 있도록 합니다.

작동 방식

이 서버는 Model Context Protocol (MCP) 서버로 작동하며, AI 모델에게 도구 세트를 노출합니다. 모델은 이러한 도구를 사용하여 특정 인지 단계(문제 정의, 조사, 분석, 통합, 결론)에 사고를 기록합니다.

주요 기술적 메커니즘은 다음과 같습니다:

• 지속성: 사고는 추가 전용 JSONL 로그에 저장되어, 충돌이나 재시작 후에도 추론 세션이 유지됩니다.
• 구조 검증: Pydantic을 사용하여 사고가 엄격한 스키마를 따르도록 보장하고, 인지 단계를 건너뛰거나 되돌아가는 경우 모델에 경고를 제공합니다.
• 분기 및 수정: 서버는 어떤 사고가 이전 사고의 수정인지 또는 특정 시점에서 분기된 것인지 추적합니다.
• 분석 도구: 유사한 어휘를 가진 사고를 탐지하고, 분기 및 수정 통계를 포함한 추론 과정의 결정론적 요약을 생성할 수 있습니다.

대상 사용자

• AI 개발자: 복잡한 다단계 추론과 검증 가능한 감사 기록이 필요한 에이전트나 LLM 애플리케이션을 개발하는 사람.
• MCP 지원 에디터의 고급 사용자: Claude Desktop, Cursor, VS Code, Zed를 사용하여 AI 어시스턴트가 문제 해결 시 더 체계적이고 구조적으로 작동하도록 원하는 사용자.
• 연구자: AI가 결론에 도달하기까지의 정확한 추론 경로를 내보내고 공유해야 하는 사람.

주요 특징

• 지속 가능한 세션: 메모리만 사용하는 구현과 달리, 지속적 저장, 세션 내보내기 및 가져오기를 지원합니다.
• 인지 단계 추적: 문제 정의에서 결론에 이르는 논리적 흐름을 강제하거나 장려합니다.
• 비선형 추론: 명시적인 분기(대안 경로의 분기)와 이전 사고의 수정을 지원합니다.
• 감사 기록: 공리와 도전된 가정을 포함하여 추론 과정의 모든 단계에 대해 타입 지정된 구조화된 기록을 제공합니다.