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 streamonce(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"], thinkingbudget=1024 ) as stream: asyncfor event in stream: if event.type == "tooluse": # 执行工具并将结果注入回思维流 result = await executetool(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.gitcd ThinkChain# 设置API密钥echo "ANTHROPICAPIKEY=yourapikeyhere" > .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 thinkchaincli.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.gitcd ThinkChain# 安装依赖uv pip install -r requirements.txt# 或: pip install -r requirements.txt# 设置API密钥echo"ANTHROPICAPIKEY=yourapikeyhere" > .env# 运行应用python run.py # 智能启动器python thinkchain.py # 增强UIpython thinkchaincli.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 BaseToolimport requestsclass 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？" """ inputschema = { "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['currentcondition'][0]['temp_F']}°Fn…" 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。[tooluse:weathertool] ▶ {"location": "San Francisco, CA"}[toolresult] ?️ 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。[tooluse:duckduckgotool] ▶ {"query": "best restaurants San Francisco outdoor seating patio"}[toolresult] [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：
ANTHROPICAPIKEY=yourapikey_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：
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 BaseToolclass 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" """ inputschema = { "type": "object", "properties": { "inputparam": { "type": "string", "description": "此参数的描述" }, "optionalparam": { "type": "integer", "description": "带默认值的可选参数", "default": 10 } }, "required": ["inputparam"] } def execute(self, kwargs) -> str: inputparam = kwargs.get("inputparam") optionalparam = kwargs.get("optionalparam", 10) # 你的工具逻辑在这里 result = f"处理：{inputparam}，使用{optionalparam}" return result
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
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": { "APIKEY": "yourapikeyif_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！
