Back to search
multi-llm-mcp
MCP serverGitHub
一个让 Claude Code 调用 Codex 干活,并可以同时调用多个模型(GPT、Kimi、DeepSeek 等)的 MCP 工具。
Safety scan
A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.
Checked today
Badge for your README
Markdown
[](/listings/mai-yyy--multi-llm-mcp)HTML
<a href="/listings/mai-yyy--multi-llm-mcp"><img src="/api/listings/mai-yyy--multi-llm-mcp/badge.svg" alt="findsafeskills safety rating" /></a>Install
i
What was scanned
The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.
README.md · README · 185 lines
View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)
- # multi-llm-mcp
- 一个用于 Claude Code 的 MCP 工具,支持通过 MCP 调用 Codex CLI 执行任务,并支持多个模型(GPT、Kimi、DeepSeek、Qwen 等)并行调用。
- 本项目基于 [FastMCP](https://github.com/jlowin/fastmcp) 开发,主要解决两个问题:
- 1. 让 Claude Code 可以把任务交给 Codex CLI 执行,例如查看代码、修改文件、重构项目等。
- 2. 让 Claude Code 可以同时调用多个大模型,从不同模型获得回答,便于对比、补充和交叉参考。
- ## 功能特点
- 1. **Codex CLI 异步任务执行**:通过 MCP 工具调用 Codex CLI,并使用 `job_id` + `wait_codex` 的方式等待长任务完成,避免 MCP 客户端单次工具调用超时。
- 2. **支持 Codex 沙盒模式**:`read-only`、`workspace-write`、`danger-full-access` 三种级别。
- 3. **单模型会话调用**:调用指定模型,并通过 `session_id` 保持多轮上下文。
- 4. **多模型并行调用**:把同一个问题同时发送给多个模型(GPT、Kimi、DeepSeek、Qwen、Claude)。
- 5. **长任务轮询机制**:对耗时较长的 Codex 任务或多模型调用,先返回 `job_id`,后续继续通过 `wait_*` 工具等待结果。
- 6. **环境检查工具**:`health_check` 用于检查运行环境、Codex CLI 是否可用、各模型 API Key 是否配置等(不返回任何 key 内容)。
- ## 工具列表
- | 工具名 | 作用 |
- |--------|------|
- | `ask` | 调用单个模型,支持多轮会话 |
- | `ask_many` | 同时调用多个模型 |
- | `wait_many` | 继续等待多模型并行调用任务 |
- | `review` | 让多个模型同时分析同一段内容 |
- | `ask_codex` | 调用 Codex CLI 执行任务 |
- | `wait_codex` | 继续等待 Codex CLI 任务 |
- | `clear_session` | 清除指定会话 |
- | `clear_all_sessions` | 清除全部会话 |
- | `list_sessions` | 查看当前内存中的会话 |
- | `health_check` | 检查 MCP 服务运行状态 |
- ## 环境要求
- 1. Python 3.10+
- 2. FastMCP
- 3. OpenAI Python SDK
- 4. 可选:OpenAI Codex CLI
- 安装依赖:
- ```
- pip install fastmcp openai
- ```
- 如果需要使用 `ask_codex`,还需确保本机已安装 Codex CLI,并能在命令行直接运行:
- ```
- codex
- ```
- 另外,在用 `ask_codex` 调度 Codex 之前,确保 Codex CLI 已经登录过账号(首次使用前先在命令行运行 `codex` 完成登录),否则任务会因为未认证而失败。
- ## 模型配置
- 项目中通过 `PROVIDERS` 配置不同模型服务,例如 DeepSeek、Kimi、Qwen、GPT 等。推荐使用环境变量保存模型密钥:
- | 模型 | 环境变量 |
- |------|----------|
- | DeepSeek | `DEEPSEEK_API_KEY` |
- | Kimi(Moonshot) | `MOONSHOT_API_KEY` |
- | Qwen(DashScope) | `DASHSCOPE_API_KEY` |
- | GPT(OpenAI) | `OPENAI_API_KEY` |
- | Claude(Anthropic,可选) | `ANTHROPIC_API_KEY` |
- 在 Windows 上可以用 `setx` 把这些设为用户级环境变量(设完需重开终端 / 重启 Claude Code 才生效),按你要用的模型设即可:
- ```
- setx OPENAI_API_KEY "your-key"
- setx DEEPSEEK_API_KEY "your-key"
- ```
- (`MOONSHOT_API_KEY` / `DASHSCOPE_API_KEY` / `ANTHROPIC_API_KEY` 同理。)
- 如果只是自己本地快速验证,也可以临时把 key 写到代码里的 `PROVIDERS` 中,方便测试。但不要把包含 key 的代码上传到 GitHub,也不要发给别人。准备开源或分享前,应改成环境变量方式,或确认代码中已经没有真实 key。
- ### 启用 Claude(可选)
- 代码里 `PROVIDERS` 的 `claude` 块默认是注释状态。要启用 Claude:
- 1. 取消注释 `PROVIDERS` 中的 `claude` 块;
- 2. 把 `"claude"` 加进 `ModelName`;
- 3. 配置 `ANTHROPIC_API_KEY`。
- 它走的是 Anthropic 的 OpenAI 兼容端点(`base_url="https://api.anthropic.com/v1/"`),模型名填 Claude 的名称即可(如 `claude-opus-4-7`、`claude-sonnet-4-6`、`claude-haiku-4-5`)。
- > 小技巧:服务本身跑在 Claude Code 里,所以你可以反过来调度别的 Claude——比如用更便宜的 Haiku 去跑并行的苦力活,或者要一个干净上下文、不被当前对话带偏的 Claude 来做二次判断。
- ## MCP 配置示例(Claude Code)
- 在 Claude Code 中,推荐直接用 `claude mcp add` 命令添加本项目。基本格式:
- ```
- claude mcp add --scope user llm-mix -- python /absolute/path/to/LLM_MIX.py
- ```
- 其中:
- 1. `llm-mix` 是这个 MCP 服务的名字,可以自己改。
- 2. `--scope user` 表示该 MCP 对当前用户全局可用,不只限于某一个项目。
- 3. `python` 是 Python 启动命令。
- 4. `/absolute/path/to/LLM_MIX.py` 替换成你本地 `LLM_MIX.py` 的绝对路径。
- Windows 示例:
- ```
- claude mcp add --scope user llm-mix -- python "C:\path\to\LLM_MIX.py"
- ```
- 如果上面那条添加后用不了(通常是 `python` 不在 PATH 上,或指向了别的 Python 环境),改用下面这条、写上 Python 解释器的完整路径:
- ```
- claude mcp add --scope user llm-mix -- "C:\path\to\python.exe" "C:\path\to\LLM_MIX.py"
- ```
- 添加完成后,可以用下面的命令查看是否添加成功:
- ```
- claude mcp list
- ```
- 进入 Claude Code 后,也可以输入 `/mcp` 查看 MCP 服务是否已连接。
- ## 使用示例
- 连接 MCP 后,可以直接让 Claude Code 使用这些能力:
- ```
- 用 Codex 查看当前项目结构。
- ```
- ```
- 让 Codex 在当前目录创建一个测试文件。
- ```
- ```
- 让 Codex 修改这个 Python 文件,修复明显的异常处理问题。
- ```
- ```
- 把这个问题同时发给 GPT、Kimi、DeepSeek 和 Qwen。
- ```
- ```
- 让多个模型一起分析这个方案有没有明显问题。
- ```
- ```
- 让 DeepSeek 单独解释这段代码。
- ```
- 如果任务较长,工具可能会返回:
- ```json
- {
- "success": true,
- "status": "running",
- "job_id": "xxxx",
- "message": "任务仍在运行,使用 wait_codex 继续等待"
- }
- ```
- 这时继续调用对应的 `wait_codex` 或 `wait_many` 即可。
- ## Codex 沙盒使用建议
- 1. 一般查看代码、分析项目时,优先使用 `read-only`。
- 2. 需要 Codex 修改文件时,使用 `workspace-write`。
- 3. 不建议随意使用 `danger-full-access`,因为这个模式会给 Codex 更高的本机权限。
- ## 注意事项
- 1. `ask_codex` 依赖本机 Codex CLI。
- 2. 多模型调用是否可用,取决于你是否配置了对应模型服务(可用 `health_check` 查看)。
- 3. 长任务建议使用 `job_id` + `wait_*` 的方式继续等待。
- 4. 个人本地调试可以图方便,但公开仓库前要检查是否包含真实密钥、私人路径或其他敏感信息。
- ## 社区 / 致谢
- 本项目在 [LINUX DO](https://linux.do) 社区分享与讨论,感谢社区佬友的反馈与建议。
- ## License
- MIT License
Ratings and comments
Sign in to rate this skill.
Sign inFree to use. If it’s helped, pass it on.