我要投稿

ThinkChain：一个让Claude边调用工具边思考的开源框架

发布日期：2025-06-17 07:04:30 浏览次数： 1522

作者：AGI Hunt

微信搜一搜，关注“AGI Hunt”

Claude终于能在使用工具时同步思考了！

在看到Pietro Schirano 关于「工具链」的文章后，Martin Bowling 立马动手，开发出了ThinkChain——

一个展示Claude高级能力的Python项目，通过交错思考、细粒度工具流式传输和动态工具发现，或将真正改变AI 与工具的交互方式。

大多数Claude集成都把工具当作黑盒子——调用工具，获取结果，继续执行。

但如果工具结果能够实时反馈到Claude的思考过程中呢？

这就是ThinkChain的核心创新。

工具结果注入机制

让我们用一个实际例子来说明差异。

当你问「旧金山的天气如何，哪里适合吃晚餐？」时：

传统方法：

用户提问 → Claude思考 → 调用天气工具 → 获取结果
         → 调用餐厅工具 → 获取结果 → 合并结果

ThinkChain方法：

用户提问 → Claude思考 → 调用天气工具 → 思考天气情况
         → 基于天气调用餐厅工具 → 综合思考
         → 智能化响应

魔法就发生在工具执行后的思考步骤中。这是实际的技术实现：

async def stream_once(messages, tools):
    asyncwith client.messages.stream(
        model="claude-sonnet-4-20250514",
        messages=messages,
        tools=tools,
        betas=["interleaved-thinking-2025-05-14", "fine-grained-tool-streaming-2025-05-14"],
        thinking_budget=1024
    ) as stream:
        
        asyncfor event in stream:
            if event.type == "tool_use":
                # 执行工具并将结果注入回思维流
                result = await execute_tool(event.name, event.input)
                
                # 这个结果成为Claude剩余响应的思考上下文
                yield {"type": "tool_result", "content": result}

这创建了一个反馈循环：Claude的初始思考导致工具使用，工具结果为持续思考提供信息，最终响应综合了推理和工具结果。

? 零配置快速开始

ThinkChain支持两种启动方式：

选项1：使用uv run零配置运行（推荐）

# 克隆仓库
git clone https://github.com/martinbowling/ThinkChain.git
cd ThinkChain

# 设置API密钥
echo "ANTHROPIC_API_KEY=your_api_key_here" > .env

# 立即运行 - uv自动处理所有依赖！
uv run thinkchain.py     # 增强UI带丰富格式
uv run thinkchain_cli.py # 最小CLI版本
uv run run.py            # 智能启动器（自动检测最佳UI）

选项2：传统安装

# 克隆并设置
git clone https://github.com/martinbowling/ThinkChain.git
cd ThinkChain

# 安装依赖
uv pip install -r requirements.txt
# 或: pip install -r requirements.txt

# 设置API密钥
echo"ANTHROPIC_API_KEY=your_api_key_here" > .env

# 运行应用
python run.py            # 智能启动器
python thinkchain.py     # 增强UI
python thinkchain_cli.py # CLI版本

? 技术架构剖析

工具发现系统

ThinkChain的设计理念是让开发者只需将Python文件放入文件夹即可。

无需注册，无需复杂设置。

工具发现流程如下：

本地工具（/tools/*.py）→ 验证 → 注册表
                                    ↓
MCP服务器（config.json）→ 连接 → 注册表 → 统一工具列表 → Claude API

每个工具实现这个简单接口：

class BaseTool:
    @property
    def name(self) -> str: ...
    
    @property
    def description(self) -> str: ...
    
    @property
    def input_schema(self) -> Dict[str, Any]: ...
    
    def execute(self, **kwargs) -> str: ...

实际工具实现示例

这是完整的天气工具实现，展示了所有最佳实践：

from tools.base import BaseTool
import requests

class WeatherTool(BaseTool):
    name = "weathertool"
    description = """
    获取全球任何地点的当前天气信息。
    
    使用此工具当用户询问：
    - 任何城市/地点的当前天气
    - 任何地方的温度
    - "某地天气如何？"
    """
    
    input_schema = {
        "type": "object",
        "properties": {
            "location": {
                "type": "string",
                "description": "城市和州/国家（例如：'San Francisco, CA'或'London, UK'）"
            },
            "units": {
                "type": "string", 
                "enum": ["fahrenheit", "celsius"],
                "default": "fahrenheit"
            }
        },
        "required": ["location"]
    }
    
    def execute(self, **kwargs) -> str:
        location = kwargs.get("location")
        units = kwargs.get("units", "fahrenheit")
        
        try:
            # 使用wttr.in API获取实时天气数据
            response = requests.get(f"https://wttr.in/{location}?format=j1")
            data = response.json()
            
            # 为Claude格式化输出
            returnf"?️ {location}的天气：\n温度：{data['current_condition'][0]['temp_F']}°F\n..."
        except Exception as e:
            returnf"❌ 获取天气数据时出错：{str(e)}"

工具的美妙之处在于它们只是具有四个属性的类：名称、描述、输入模式和执行方法。

将文件放入/tools/，ThinkChain会自动发现它。

实际执行流程示例

让我展示当有人问「旧金山的天气如何，找些好餐厅」时会发生什么：

[thinking] 我需要先查看天气，然后根据天气条件找到可能合适的餐厅。

[tool_use:weathertool] ▶ {"location": "San Francisco, CA"}
[tool_result] ?️ 旧金山，CA的天气：
温度：62°F（体感温度62°F）
条件：部分多云
湿度：38%
风速：5 mph 西南风

[thinking] 天气宜人，62°F且部分多云——非常适合户外用餐或步行去餐厅。我应该寻找有户外座位或露台的地方。

[tool_use:duckduckgotool] ▶ {"query": "best restaurants San Francisco outdoor seating patio"}
[tool_result] [带户外用餐选项的餐厅结果...]

[thinking] 考虑到天气不错，我可以推荐这些适合户外的餐厅...

看到天气结果如何影响餐厅搜索了吗？

这就是工具结果注入的力量——Claude不只是顺序调用工具，它会思考结果并做出更智能的决策。

? 可用工具集

本地工具（`/tools`目录）

? 网络和数据工具：

weathertool：从wttr.in API获取全球任何地点的实时天气数据
duckduckgotool：用于网络查询和餐厅搜索的实时DuckDuckGo搜索结果
webscrapertool：增强的网页抓取器，从任何网页提取主要内容

? 文件和开发工具：

filecreatortool：创建具有指定内容和目录结构的新文件
fileedittool：高级文件编辑，支持完整/部分内容替换和搜索/替换
filecontentreadertool：同时读取并返回多个文件的内容
createfolderstool：创建目录和嵌套文件夹结构
diffeditortool：精确的文件文本片段替换

⚙️ 开发和包管理：

uvpackagemanager：Python项目的完整uv包管理器接口
lintingtool：在Python文件上运行Ruff linter以检测和修复代码问题
toolcreator：基于自然语言描述动态创建新工具

MCP服务器支持

在mcp_config.json中配置：

{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "./database.db"],
      "enabled": true
    },
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"],
      "enabled": false
    }
  }
}

支持的MCP服务器：

SQLite：数据库操作和查询
Puppeteer：网页浏览器自动化
Filesystem：高级文件系统操作
Brave Search：真实网络搜索集成

? 交互式命令

在与Claude聊天时，你可以使用这些斜杠命令：

/refresh或/reload - 刷新工具发现（获取新工具）
/tools - 按类别浏览所有可用工具
/status - 显示综合系统状态
/clear - 清除屏幕同时保留状态栏
/config - 显示当前配置
/config model <model_name> - 在Claude模型之间切换（sonnet/opus）
/config thinking <1024-16000> - 调整思考令牌预算
/help - 显示帮助信息
/exit或/quit - 结束对话

✨ 关键特性

? 高级思考集成

ThinkChain的核心创新是工具执行结果如何注入回Claude的思维流。当Claude调用工具时：

工具执行并返回结果
结果立即反馈到Claude的思考过程
Claude可以在响应用户之前对结果进行推理
这创建了自然的思考→工具→思考→响应流程

? 动态工具发现

本地工具：自动从/tools目录发现Python工具
MCP集成：连接到模型上下文协议服务器以扩展功能
热重载：使用refresh命令在开发期间重新加载工具
统一注册表：所有工具（本地+MCP）在流式接口中工作方式相同

? 增强的CLI界面

带颜色、边框和进度指示器的丰富格式
带分类显示的交互式工具浏览器
命令自动完成和历史记录
带语法高亮的实时思考可视化
优雅降级到标准文本界面

启动时的炫酷界面：

╔═══════════════════════════════════════════════════════════════════╗
║  ████████╗██╗  ██╗██╗███╗   ██╗██╗  ██╗ ██████╗██╗  ██╗ █████╗ ██╗███╗   ██╗  ║
║  ╚══██╔══╝██║  ██║██║████╗  ██║██║ ██╔╝██╔════╝██║  ██║██╔══██╗██║████╗  ██║  ║
║     ██║   ███████║██║██╔██╗ ██║█████╔╝ ██║     ███████║███████║██║██╔██╗ ██║  ║
║     ██║   ██╔══██║██║██║╚██╗██║██╔═██╗ ██║     ██╔══██║██╔══██║██║██║╚██╗██║  ║
║     ██║   ██║  ██║██║██║ ╚████║██║  ██╗╚██████╗██║  ██║██║  ██║██║██║ ╚████║  ║
║     ╚═╝   ╚═╝  ╚═╝╚═╝╚═╝  ╚═══╝╚═╝  ╚═╝ ╚═════╝╚═╝  ╚═╝╚═╝  ╚═╝╚═╝╚═╝  ╚═══╝  ║
║          ? Claude Chat with Advanced Tool Integration & Thinking ?          ║
╚═══════════════════════════════════════════════════════════════════════════════╝

Claude Tool Discovery Chat
? 本地：11个工具 │ ? MCP：6个服务器 │ ? 思考：开启 │ ? 就绪

⚙️ 配置选项

环境设置

创建.env文件：

ANTHROPIC_API_KEY=your_api_key_here

呃，是有一点费钱……

模型配置

系统支持两个Claude模型，带可配置设置：

可用模型：

claude-sonnet-4-20250514（默认）- 快速高效
claude-opus-4-20250514 - 最强大，较慢

可配置设置：

思考预算：1024-16000令牌（默认：1024）
最大响应令牌：1024
Beta功能：interleaved-thinking-2025-05-14，fine-grained-tool-streaming-2025-05-14

运行时配置：

# 在对话期间更改模型
/config model claude-opus-4-20250514

# 为复杂问题增加思考预算
/config thinking 8192

? 开发指南

创建新的本地工具

创建新工具很简单——只需遵循这些步骤：

1. 创建工具文件

在/tools/目录中创建新的Python文件（例如/tools/mytool.py）：

from tools.base import BaseTool

class MyTool(BaseTool):
    name = "mytool"
    description = """
    你的工具功能的详细描述。
    
    使用此工具当用户询问：
    - 特定用例1
    - 特定用例2
    - "应触发此工具的关键词"
    """
    
    input_schema = {
        "type": "object",
        "properties": {
            "input_param": {
                "type": "string",
                "description": "此参数的描述"
            },
            "optional_param": {
                "type": "integer", 
                "description": "带默认值的可选参数",
                "default": 10
            }
        },
        "required": ["input_param"]
    }
    
    def execute(self, **kwargs) -> str:
        input_param = kwargs.get("input_param")
        optional_param = kwargs.get("optional_param", 10)
        
        # 你的工具逻辑在这里
        result = f"处理：{input_param}，使用{optional_param}"
        
        return result

2. 关键要求

类名：必须匹配文件名（例如mytool.py的MyTool）
继承自BaseTool：从tools.base导入
四个必需属性：name、description、input_schema、execute()方法
返回字符串：execute()方法必须返回字符串结果

3. 工具发现

工具在启动时自动发现
使用/refresh命令重新加载工具而无需重启
使用/tools命令查看你的新工具是否列出

添加MCP服务器

MCP允许与提供额外工具的外部服务器集成。编辑mcp_config.json添加你的服务器：

{
  "mcpServers": {
    "my-server": {
      "command": "uvx",
      "args": ["my-mcp-server", "--custom-arg", "value"],
      "description": "此服务器提供什么的描述",
      "enabled": true,
      "env": {
        "API_KEY": "your_api_key_if_needed"
      }
    }
  }
}

开源与扩展

ThinkChain采用MIT许可证开源，专门设计为可fork和扩展。

架构是模块化的：

想为你的领域添加工具？将Python文件放入/tools/。

想连接到专业MCP服务器？编辑mcp_config.json。

想自定义UI？修改Rich组件。

领域特定fork的想法：

数据科学ThinkChain：添加pandas、matplotlib、jupyter工具
Web开发ThinkChain：添加React、npm、git、部署工具
DevOps ThinkChain：添加Docker、Kubernetes、AWS/GCP工具
研究ThinkChain：添加学术论文搜索、引用工具

Martin Bowling在博客中总结道：

「ThinkChain的出现无疑是朝着可解释、可控制的AI系统迈出了一大步。它不仅能帮助我们更好地理解模型行为，还为定制化调整模型开辟了新天地。」

准备好用不同的方式思考AI工具集成了吗？

Fork ThinkChain，然后开始吧！

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业