用途：模型增强服务器是 MCP 服务器的一个专门类别，不通过封装外部 API 扩展 LLM，而是提供结构化推理框架、持久化机制与认知工作流引导。它类似 AI 的子弹笔记：模型把信息记录到服务器，服务器做基础启发式处理，提示步骤完成并界定下一步范围，从而在需要记忆、推理和运行时查找的任务中提升表现。
主要能力：记录推理步骤（日志化）、维护状态与历史、校验输入格式、返回元数据与进度指示、缩小智能体可选空间、鼓励结构化工作流、让过程透明可评估。关键原则是服务器不进行推理：不生成想法、不决定下一步、不评估推理质量、不做决策、不是自主智能体、不执行任何 AI 推理。
核心模式：一是结构化日志模式，用单个工具配合详尽描述引导模型，跟踪步骤、分支与修订，支持非线性思考，双输出通道（给模型的结构化 JSON、给人的格式化日志），适用于复杂问题拆解、规划迭代、需要纠偏的分析等，示例为 Sequential Thinking Server。二是文学化推理/笔记本模式，提供类 Jupyter 界面，含 markdown 单元格与代码单元格、逐格执行、可重跑与修改，工具包括 notebook_create、notebook_add_cell、notebook_run_cell、notebook_get_cell、notebook_validate_progression、notebook_export；门控只强制结构（是否做了 X），不评判质量。
使用方式：基于 TypeScript 与 @modelcontextprotocol/sdk 搭建，定义工具（name、description、inputSchema、可选 outputSchema 与 annotations），用 StdioServerTransport 以 stdio 运行；日志写 stderr，stdout 留给 MCP 协议。
适用场景：长时异步流程、批量任务进度跟踪、需要透明与可复现的研究、调试、教程与多阶段校验流程。限制：服务器本身不推理、不评估质量，仅做格式与结构校验；具体收费、价格与平台支持资料暂未提供。