云聊天助手
多云MCP服务器——通过任何AI CLI代理与Azure AI Foundry、AWS Bedrock和Google Vertex AI上的模型进行对话。
它的作用
将云AI模型作为MCP工具公开，以便AI CLI代理（Claude Code、Gemini CLI、Copilot CLI）可以以编程方式查询它们。支持流媒体、对话历史、并行多模型查询和通过CLI进行动态模型发现。
| 工具 | 说明 |
|---|---|
| 聊天 | 发送消息，获取包含对话历史记录的流媒体响应 |
| 多帽 | 同时查询多个模型，得到组合结果 |
| 扫描 | 测试所有供应商的所有型号，显示可用性矩阵 |
| 配置 | 查看/更改设置（型号、提供商、凭据等） |
| 模型 | 列出可用型号和测试连接 |
| 重置 | 清除对话历史记录 |
支持的提供商
| 提供者 | 模型类型 | 身份验证 |
|---|---|---|
| Azure AI Foundry | GPT-5.x、o1/03/o4、Llama、DeepSeek、Phi、Grok、Mistral、Claude | neneneba API密钥 |
| AWS Bedrock | 克劳德4.x，新星，Llama 4，作家巴尔米拉 | 访问密钥+秘密 |
| 谷歌Vertex AI | Gemini 2.5/3.x | API密钥或gcloud验证 |
快速开始
先决条件
- Python 3.8+
- 至少配置了一个云提供商
安装
git clone https://github.com/techempower-org/cloud-chat-assistant.git
cd cloud-chat-assistant
python3 -m venv venv
./venv/bin/pip install httpx配置
服务器自动创建 ~/.config/cloud-chat-assistant/ 第一次跑步。
环境变量 （推荐）：
# Azure AI Foundry
export AZURE_AI_API_KEY="your-azure-key"
export AZURE_AI_ENDPOINT="https://your-resource.services.ai.azure.com"
# AWS Bedrock
export AWS_ACCESS_KEY_ID="your-access-key"
export AWS_SECRET_ACCESS_KEY="your-secret-key"
export AWS_DEFAULT_REGION="us-east-1"
# Google Vertex AI
export GOOGLE_API_KEY="your-vertex-ai-key"
export GOOGLE_PROJECT="your-gcp-project-id"
export GOOGLE_REGION="global"或配置文件 (~/.config/cloud-chat-assistant/config.json):
{
"api_key": "your-azure-key",
"endpoint": "https://your-resource.services.ai.azure.com",
"deployment": "gpt-5.3-chat",
"model_type": "deployed",
"aws_access_key": "your-access-key",
"aws_secret_key": "your-secret-key",
"aws_region": "us-east-1",
"google_api_key": "your-vertex-ai-key",
"google_project": "your-gcp-project-id"
}向您的CLI代理注册
克劳德代码 --添加到 ~/.claude/mcp.json:
{
"mcpServers": {
"cloud-chat": {
"command": "python3",
"args": ["/path/to/cloud-chat-assistant/mcp_cloud_chat.py"]
}
}
}Gemini CLI --添加到 ~/.gemini/settings.json 在...之下 mcpServers.
Copilot命令行界面 --添加到 ~/.copilot/mcp.json 在...之下 mcpServers.
使用示例
交换机提供商
configure(model_type="bedrock", deployment="claude-opus-4.6")
configure(model_type="deployed", deployment="gpt-5.3-chat")
configure(model_type="serverless", deployment="Meta-Llama-3.1-405B-Instruct")多模型查询
multi_chat(message="Explain quantum entanglement", models=["gpt-5.3-chat", "claude-opus-4.6", "gemini-3.1-pro-preview"])扫描所有提供商
scan()返回一个矩阵，显示哪些模型正在工作、不可用或可部署。
CLI集成（可选）
安装用于动态模型发现的云CLI：
# Azure — list deployable models
curl -sL https://aka.ms/InstallAzureCLIDeb | sudo bash
az login
# AWS — list Bedrock models
curl "https://awscli.amazonaws.com/awscli-exe-linux-x86_64.zip" -o "awscliv2.zip"
unzip awscliv2.zip && sudo ./aws/install
aws configure
# Google — auth tokens for Vertex AI
sudo apt install google-cloud-cli
gcloud auth login看 CLI_SETUP.md 详细说明。
生态系统
该项目是四个项目语音AI系统的一部分：
语音集成
配对 演讲给cli 对于语音对话：
multi_chat--并行查询所有模型multi_speak--综合所有响应，按顺序播放
GNOME谈集成
侏儒说话 可以直接调用云聊天助手进行人工智能对话模式，其首选项面板可以配置此项目的设置(~/.config/cloud-chat-assistant/config.json)--包括提供者凭据、生成参数和模型选择--来自统一的GNOME设置UI。
建筑
- 异步:
asyncio+httpx设置连接池 - 流媒体：SSE与生产者-消费者队列
- 协议：MCP v2024-11-05通过标准输入，JSON-RPC 2.0
- 配置：自动从旧版本迁移
azure-chat-assistant位置
许可证
GPLv3--参见 许可证.