Sequential Thinking MCP

AI'a "düşünme sürecini yapılandırma" tool'u verir. Karmaşık bir problemi çözerken AI sequentialthinking tool'unu çağırır → problem'i düşünce adımlarına böler → gerekirse geri döner, hipotez revize eder, dallanma yapar. Chain-of-thought'un disiplinli, dinamik versiyonu.

Ne işe yarar?

• Karmaşık planlama: Çok adımlı bir projeyi parçalara bölerken AI adım adım gitsin, sonra revize edebilsin
• Debugging: Bir bug'ın kök nedenini bulmak için hipotez-test-revize döngüsü
• Mimari tasarım: Trade-off analizi, alternatiflerin değerlendirilmesi
• Matematik ve logic: Çok adımlı ispat / hesaplama
• Yazma: Outline → draft → revize döngüsü yapılandırılmış halde
• Araştırma: Geniş konuyu alt sorulara indirmek, her birini cevaplayıp birleştirmek

Normal bir LLM konuşmasında "önce şunu düşün, sonra revize et" derseniz kafası karışır; bu tool adımları ve revizyonları explicit hale getirir — context window'da kaybolmaz.

Yetenek

Tek bir tool: sequentialthinking

Parametreler:

• thought — şu anki düşünce (metin)
• thoughtNumber — kaçıncı adımdayız
• totalThoughts — tahmini toplam adım (ayarlanabilir, artabilir)
• nextThoughtNeeded — devam etmeli mi, karara vardı mı?
• isRevision — önceki bir düşünceyi revize mi ediyor?
• revisesThought — hangi numaralı düşünceyi revize ediyor
• branchFromThought — alternatif yola mı sapıyor
• branchId — dalın adı

AI bu tool'u ardışık çağırarak "görünür düşünce zinciri" üretir.

Kurulum

Claude Code

claude mcp add sequential-thinking -- \
  npx -y @modelcontextprotocol/server-sequential-thinking

Claude Desktop / Cursor

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

Docker

{
  "command": "docker",
  "args": ["run", "-i", "--rm", "mcp/sequentialthinking"]
}

Ne zaman kullanmalı?

✅ İyi senaryolar:

• 5+ adımlı planlama gerektiren görev
• Bug'ın kök nedeni belirsiz
• Trade-off'lu mimari karar
• Matematik / logical reasoning
• Deep research

❌ Kullanma:

• Basit tek-turlu soru-cevap (overhead)
• AI zaten kesin cevabı biliyor
• Çok kısa görevler

Tool'un değeri disiplinli geri dönüş / revize imkanı. Kısa görevlerde faydadan çok yavaşlatma getirir.

Örnek kullanımlar

Mimari tasarım

"Bir real-time collaboration editor mimarisi tasarla. Trade-off'ları değerlendir, sequential thinking kullan."

AI:

1. Thought 1: "CRDT mi OT mi kullanmalıyım?"
2. Thought 2: "CRDT genelde daha iyi ama memory overhead..."
3. Thought 3: "Websocket + broadcast channel..."
4. Thought 4 (revise 1): "Aslında Y-CRDT daha olgun, onu baz alalım"
5. ...sonuç

Her adım görünür → sen takip edebilirsin, gerekirse müdahale.

Debugging

"Production'da request p95 latency 50ms'den 500ms'e çıktı. Sequential thinking ile nedenini bul."

AI hipotezleri sıralar: DB, cache, network, deploy, dependency. Her biri için "eğer bu olsaydı X gözlemlenirdi", elindeki data ile kıyaslar, eleme yapar.

Zorlu matematik

"100 kişilik grupta en az 3 kişinin aynı doğum günü olma ihtimali nedir? Sequential thinking."

AI doğru formülasyonu, complement kullanımını, hesabı adım adım yapar.

Sınırlar

• Sadece reasoning yardımı, veri fetch / eylem değil. Diğer tool'larla kombine et.
• Memory yok: oturum sonunda düşünce zinciri kaybolur (context'ten temizlenir). Uzun vadeli hafıza için Memory MCP.
• Claude Code'un kendi "think" araçları (extended thinking, plan mode) bu tool'u çoğu zaman gerektirmez — Claude Desktop gibi extended thinking'i zayıf olan istemcilerde daha değerli.
• Görselleştirme yok: metin tabanlı. Görsel reasoning için ayrı araç gerek.

Sorun giderme

Bu server basit (bağımlılık yok, state tutmaz) — genelde sorun çıkmaz. Çalışmıyorsa:

claude mcp list

sequential-thinking stdio bağlantısı kurmuyorsa npx cache clean + tekrar kur.

Doğrulama

/mcp

Yeşilse AI'a:

"3 yerde birden istenen bir feature'ı ne sırayla yapmalıyım? Sequential thinking kullan."

AI sequentialthinking tool call'larını birkaç kez tetiklemeli.

---

Resmi repo: github.com/modelcontextprotocol/servers · Anthropic maintained