MCP 榜一大哥 SequentialThinking,99%的人都不会用?全网最新实操+认知升级!

大家好,我是孟健。今天我们继续聊 MCP。

先用一句话再介绍下 MCP,防止小白用户看不懂:

MCP(Model Context Protocol)是一种开放协议,它标准化了应用程序如何向大语言模型(LLMs)提供上下文。你可以把它理解为 AI 应用的"USB-C 接口",让 AI 模型能够安全、有效地和外部数据源、工具进行交互。

目前我认为 MCP 生态做得最好的网站是 Smithery.ai,大家可以直接访问:smithery.ai/

Smithery 有个 MCP 长期霸榜------Sequential Thinking,我几乎没见过有其他 MCP 能超越它。其实之前我也一直没搞明白,这个 MCP 为啥能一直高居榜首,网上优质的实践资料也非常稀缺。

今天,我就带你手把手用 Cursor,实操一遍这个 MCP,并且深度挖掘它的真正价值。

准备工作

要用 MCP,你的电脑需要提前装好一些环境。首先,下载并安装 Cursor:

www.cursor.com/

然后,下载并安装 Nodejs(因为后面要用 npm 来执行 MCP):

nodejs.org/zh-cn

这两个软件都装好后,访问 Smithery.ai,打开 Sequential Thinking 的详情页:

smithery.ai/server/@smi...

在右侧 Installation 面板,选择 Cursor,复制 npm 命令,打开命令行直接执行:

执行成功后,打开 Cursor settings,切换到 MCP 面板,就能看到已经安装好的 MCP 了:

核心干货:写好提示词

我的提示词是这样写的:

diff 复制代码
用sequential-thinking来深入思考一下,SequentialThinking这个mcp可以用于什么实际场景当中,要求:
- 使用sequential-thinking来规划所有的步骤,思考和分支
- 可以使用brave Search进行搜索,每一轮Thinking之前都先搜索验证
- 可以用fetch工具来查看搜索到的网页详情
- 思考轮数不低于5轮,且需要有发散脑暴意识,需要有思考分支
- 每一轮需要根据查询的信息结果,反思自己的决策是否正确
- 返回至少10个高价值的使用场景,并详细说明为什么价值高,如何用

想用好 MCP 工具,提示词真的非常重要。我明确要求模型用 sequential-thinking 来深度思考。

思考什么?就思考它自己到底能干啥。我们都知道,sequential-thinking 的优势就是多步骤思考和规划能力,所以让它自己来拆解这个问题,最合适不过。

接下来的约束也很关键:

  • 利用 brave search 来搜索,让它每一轮思考前都先查查资料,这直接决定了最后的质量。

  • 用 fetch 看详情。我们都知道,搜索结果一般只有标题、链接、摘要,想看细节还得点进去,fetch 就是干这个的。

  • 思考轮数至少 5 轮,并且要有分支、发散,最大化发挥它的能力。

  • 每轮都要反思自己的结论是否靠谱,这在 Agent 领域叫 reflection。

  • 输出要求,至少 10 个高价值场景,并解释为什么有价值。

一个好的 Prompt,基本就成功了一半,结果自然不会差!

体会 Agent 的强大

果然不出所料,模型开始疯狂调用工具进行思考:

限于篇幅,我就不展开细节了。多轮的 search-fetch 和 sequential-thinking,我们不用写一行代码,就实现了一个复杂 Agent 的效果!建议感兴趣的同学一定要亲自试试。

我们来看看结果:

从结果里,你能非常深入地理解 SequentialThinking 到底适合用在哪些场景(相信我,这种资料你在网上查不到)。随便挑几个:

  • 复杂软件管理,跨团队需求-开发-测试-上线全流程分解,很适合发挥出 SequentialThinking 的能力

  • 多模型 AI 协作,SequentialThinking 作为核心中枢,控制不同的 AI 分工协作

  • 科研课题,课题分解、实验设计、数据分析、论文撰写全流程管理

  • 个人成长路径规划,职业发展、技能提升、学习计划分解与追踪

  • 头脑风暴分步推进、方案多路径推演、优选与落地实施(其实就是本文在做的事情)

是不是感觉对 SequentialThinking 的认知清晰了很多?这里我总结一个最重要的观点:

(非常重要的认知,全网独一份)

凡是用 Workflow 的地方,都适合用 SequentialThinking!

你想想是不是这样?只要一个任务有 Workflow,我们都可以让 SequentialThinking 来分步拆解、规划、执行!

最后,AI 还给我们总结了一下,我觉得写得特别好,也贴在这里:

SequentialThinking MCP 的最大价值在于:支持复杂问题的分步拆解、动态调整、分支推演和多方协作,适用于任何需要系统性思考、流程优化和创新探索的领域。其分支与反思机制,尤其适合面对不确定性高、路径多变、协作复杂的实际场景。

不要小看 MCP

很多人其实没真正研究过 MCP,甚至不了解 Function Calling,更没看到 MCP 能发挥的巨大价值。

有个很重要的认知:模型今天已经非常智能了,而 Agent 则把模型的智能上限清晰地展现到我们面前。

MCP,就是让所有普通用户,不用开发,也能实现 Agent 的能力。通过自己组装 MCP 的灵感,满足各种各样的需求。

这个时代,普通人也能造 Agent。我们正身处这场技术变革的洪流之中,唯有不断学习、拥抱变化、亲身实践,才能不被时代抛下。

点击我的个人主页,可以找到我,与我一同成长吧!

相关推荐
人生都在赌5 小时前
MCP生态全景:2025年最值得关注的AI工具集成现状深度调研
人工智能·ai编程·mcp
mCell6 小时前
受够Cursor卡成蜗牛!我换用Argument,每月白嫖300次真香!
ai编程·visual studio code·cursor
GM_8288 小时前
【最新最完整】SpringAI-1.0.0开发MCP Server,搭建MCP Client 实战笔记(进阶+详细+完整代码)
java·后端·ai编程·springai·mcp
龙萱坤诺18 小时前
【教程】无需迁移IDE!Augment原生插件实现Cursor无缝平替 Claude-4无限用
cursor·cursor工具·augment code
人生都在赌1 天前
一个AI工作流如何让代码审查从手动到智能?实战拆解
ai编程·devops·cursor
qiyue771 天前
AI编程专栏(七)-什么是上下文工程,与提示工程区别
人工智能·ai编程·cursor
友莘居士1 天前
Dify中的Agent和发现和调用mcp工具两个节点调用的异同
agent·react·dify·functioncalling·mcp
潘锦1 天前
聊下 AI Agent 的 上下文工程(Context Engineering)
agent·mcp
SelectDB2 天前
Apache Doris Data Agent 解决方案:开启智能运维与数据治理新纪元
github·apache·mcp
陈佬昔没带相机2 天前
Dify MCP功能实测,小参数模型竟然全军覆没!
ollama·deepseek·mcp