Sequential Thinking - 深度推理 MCP
概述
Sequential Thinking 是一个支持多步推理的 MCP 工具，用于解决复杂问题。
能力
多步推理:
- 分解复杂问题
- 逐步推导
- 自我验证
深度分析:
- 架构决策
- 算法设计
- 问题诊断
VibeCoding 集成
调用时机
Research 阶段:
- 复杂需求分析
- 系统边界梳理
Innovate 阶段 (主要):
- 架构设计决策
- 技术方案权衡
- 风险评估
Execute 阶段:
- 复杂算法实现
- 难题调试
Review 阶段:
- 代码质量分析
- 性能问题诊断
MCP 调用
sequential_thinking({
problem: "问题描述",
context: "相关上下文",
constraints: ["约束1", "约束2"],
steps: [
"步骤1描述",
"步骤2描述",
"步骤3描述"
]
})
使用示例
架构设计
sequential_thinking({
problem: "设计一个可扩展的插件系统",
context: `
现有系统: Express.js + TypeScript
需求: 支持第三方插件、热加载
`,
constraints: [
"向后兼容现有 API",
"插件隔离，不影响主系统",
"性能开销可控"
],
steps: [
"分析现有架构和扩展点",
"调研常见插件系统模式",
"设计插件接口和生命周期",
"规划注册、加载、卸载机制",
"评估安全性和性能影响"
]
})
算法优化
sequential_thinking({
problem: "优化搜索算法，当前 O(n²) 太慢",
context: `
数据量: 10万条
当前实现: 双重循环匹配
性能要求: <100ms
`,
steps: [
"分析当前算法瓶颈",
"列举可能的优化方向",
"评估每种方案的复杂度",
"选择最优方案并设计实现",
"验证优化效果"
]
})
问题诊断
sequential_thinking({
problem: "生产环境内存泄漏",
context: `
现象: 内存持续增长
时间: 运行 24h 后明显
环境: Node.js 18
`,
steps: [
"收集内存使用数据",
"分析可能的泄漏来源",
"检查常见泄漏模式",
"定位具体泄漏代码",
"验证修复效果"
]
})
重构规划
sequential_thinking({
problem: "重构 500 行的 UserService",
context: `
问题: 职责混杂、难以测试
约束: 不能中断服务
`,
steps: [
"识别当前职责边界",
"规划拆分方案",
"确定依赖注入点",
"设计迁移步骤",
"规划测试策略"
]
})
最佳实践
何时使用
使用:
- 问题复杂，需要多步推理
- 涉及权衡和决策
- 需要系统性分析
不使用:
- 简单直接的问题
- 只需要查找信息
- 执行标准流程
步骤设计
好的步骤:
- 每步有明确目标
- 步骤间有逻辑关系
- 步骤粒度适中
差的步骤:
- "想一想" (太模糊)
- "解决问题" (太笼统)
- 20个步骤 (太多)
配置
# orchestrator.yaml
mcp_tools:
required:
- name: sequential-thinking
purpose: "深度推理"
fallback: "skills/thinking/SKILL.md"
降级策略
若 MCP 不可用，使用内置推理:
## 思考过程
### 步骤 1: [标题]
[分析内容]
### 步骤 2: [标题]
[分析内容]
### 结论
[最终结论]