$ loading_
帮助用户以分步反思方式拆解复杂问题并支持本地或云端部署。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Sequential Thinking MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 sequential thinking 方式，把“为团队设计一个支持本地 Stdio 和 Cloud Run SSE 的 MCP 服务部署方案”拆解为步骤，逐步分析架构、依赖、风险和实施顺序。
输出分步骤的技术方案分析，包含关键决策点、风险与落地顺序。
请用 sequential thinking 逐步检查这个 AI 工作流为何在多步推理中失败，列出每一步的假设、可能错误来源，并给出修复建议。
输出结构化的问题定位过程，并给出可执行的修复建议。
请使用 sequential thinking 帮我为“评估不同 MCP 部署方式的优缺点”制定研究思路，逐步列出问题定义、评估维度、验证方法和结论框架。
输出清晰的研究框架，便于后续调研、比较和形成结论。
帮助用户用结构化分步思考拆解复杂问题并制定可执行方案。
按步骤分析任务并推荐各阶段最合适的 MCP 工具使用方案。
通过自动化调用 DeepSeek，完成对话、代码审查、总结与调试支持
通过 MCP 协议接入 DeepSeek 大模型，供应用与代理统一调用与扩展。
将 DeepSeek 能力封装为标准 MCP 工具，便于无缝接入 AI 开发与自动化流程。
通过自然语言执行四则运算，快速完成基础数学计算与结果返回。