Elvatis MCP

埃尔瓦蒂斯mcp

OpenClaw的MCP服务器 --将您的智能家居、内存、cron自动化和AI子代理编排暴露给Claude Desktop、Cursor、Windsurf和任何兼容MCP的AI客户端。

](https://www.npmjs.com/package/@elvatis_com/elvatis-mcp)  

这是什么？

elvatis mcp将Claude（或任何mcp客户端）连接到您的基础设施：

• 智能家居 通过家庭助理（灯光、恒温器、真空、传感器）进行控制
• 记忆 系统，每日日志存储在您的OpenClaw服务器上
• 克龙 作业管理与触发
• 多LLM编排 通过5个AI后端：Claude、OpenClaw、Google Gemini、OpenAI Codex和本地LLM
• 智能提示拆分 它分析复杂的请求，将子任务路由到正确的AI，并在限速的情况下执行计划

关键思想是：Claude是编排者，但它可以将专门的工作委托给其他人工智能模型。编码任务交给Codex。双子座正在进行研究。简单的格式化将转到您当地的LLM（免费、私人）。交易和自动化转到OpenClaw。 prompt_split 自动计算出路线，以及 prompt_split_execute 在云代理上运行具有速率限制的计划。

什么是MCP？

模型上下文协议 是Anthropic的开放标准，允许AI客户端连接到外部工具服务器。配置后，Claude可以直接调用您的工具，而无需复制粘贴。

______________________________________________________________________

多LLM架构

                         You (Claude Desktop / Code / Cursor)
                                      |
                              MCP Protocol (stdio/HTTP)
                                      |
                              elvatis-mcp server
                                      |
              +--------+--------+--------+--------+--------+--------+
              |        |        |        |        |        |        |
          Claude  OpenClaw  Gemini   Codex   Local   llama   Home
          (CLI)   (SSH)     (CLI)    (CLI)   LLM    .cpp    Asst.
              |        |        |        |    (HTTP)  (proc)  (REST)
          Reason  Plugins  1M ctx  Coding    |        |        |
          Write   Trading  Multi-  Files   LM Stu  Turbo-  Lights
          Review  Auto.    modal   Debug   Ollama  Quant   Climate
                  Notify   Rsch    Shell   (free!) cache   Vacuum

子代理比较

会话恢复

claude_run, gemini_run，以及 codex_run 使用 CLI会话恢复 以消除冷启动开销。在第一次呼叫时，创建新会话；后续调用会恢复它，因此模型只接收新消息，而不是重新处理完整的对话历史。

______________________________________________________________________

可用工具（共34个）

家庭助理（7个工具）

内存（3个工具）

Cron自动化（7个工具）

OpenClaw代理（4个工具）

AI子代理（5个工具）

系统管理（4个工具）

路由和编排（3个工具）

仪表盘

______________________________________________________________________

测试结果

所有测试都针对实时服务运行（LM Studio与Deepseek R1 Qwen3 8B，通过SSH的OpenClaw服务器）。

  elvatis-mcp integration tests

  Local LLM (local_llm_run)

        Model: deepseek/deepseek-r1-0528-qwen3-8b
        Response: "negative"
        Tokens: 401 (prompt: 39, completion: 362)
  PASS  local_llm_run: simple classification (21000ms)
        Extracted: {"name":"John Smith","age":34}
  PASS  local_llm_run: JSON extraction (24879ms)
        Error: Could not connect to local LLM at http://localhost:19999/v1/chat/completions
  PASS  local_llm_run: connection error handling (4ms)

  Prompt Splitter (prompt_split)

        Strategy: heuristic
        Agent: codex_run
        Summary: Fix the authentication bug in the login handler
  PASS  prompt_split: single-domain coding prompt routes to codex (1ms)
        Strategy: heuristic
        Subtasks: 3
          t1: codex_run -- "Refactor the auth module"
          t2: openclaw_run -- "check my portfolio performance and"
          t3: home_light -- "turn on the living room lights"
        Parallel groups: [["t1","t3"],["t2"]]
        Estimated time: 90s
  PASS  prompt_split: heuristic multi-agent splitting (0ms)
        Subtasks: 4, Agents: openclaw_memory_write, gemini_run, local_llm_run
        Parallel groups: [["t1","t3","t4"],["t2"]]
  PASS  prompt_split: cross-domain with dependencies (1ms)
        Strategy: local->heuristic (fallback)
        Subtasks: 1
  PASS  prompt_split: local LLM strategy (with fallback) (60007ms)

  Routing Guide (mcp_help)

        Guide length: 2418 chars
  PASS  mcp_help: returns guide without task (0ms)
        Recommendation: local_llm_run (formatting task)
  PASS  mcp_help: routes formatting task to local_llm_run (0ms)
        Recommendation: codex_run (coding task)
  PASS  mcp_help: routes coding task to codex_run (0ms)

  Memory Search via SSH (openclaw_memory_search)

        Query: "trading", Results: 5
  PASS  openclaw_memory_search: finds existing notes (208ms)

  -----------------------------------------------------------
  11 passed, 0 failed, 0 skipped
  -----------------------------------------------------------

自己运行测试：

npx tsx tests/integration.test.ts

先决条件： .env 已配置，本地LLM服务器正在运行，OpenClaw服务器可通过SSH访问。

______________________________________________________________________

基准测试

看 基准.md 获取完整的基准套件、方法和社区贡献指南。

参考硬件

本地LLM推理（LM Studio，Vulkan GPU， --gpu max)

中位数为3次运行， max_tokens=512任务：分类（1字情感）、提取（JSON）、推理（算术）、代码（Python函数）。Vulkan是AMD RX 9070 XT的推荐运行时（在ROCm上赢得了5个型号中的4个）。

GPU与CPU的加速比（Deepseek R1 8B，Vulkan）： 分类速度快7.2倍，提取速度快3.8倍。

子代理比较（同一任务，不同后端）

服务延迟（system_status）

prompt_split准确性（启发式策略）

______________________________________________________________________

需求

• Node.js 18或更高版本
• OpenSSH客户端（内置于Windows 10+、macOS、Linux上）
• 跑步 开爪 实例可通过SSH访问
• A. 家庭助手 具有长期访问令牌的实例

可选（适用于子代理）：

• claude_run: npm install -g @anthropic-ai/claude-code 然后跑 claude 一次验证
• gemini_run: npm install -g @google/gemini-cli 和 gemini auth login
• codex_run: npm install -g @openai/codex 和 codex login
• local_llm_run：任何兼容OpenAI的本地服务器：

- LM 工作室 （推荐，GUI，默认端口1234） - 奥拉玛 (ollama serve，端口11434） - llama.cpp (llama-server，任何端口）

______________________________________________________________________

安装

全局安装：

npm install -g @elvatis_com/elvatis-mcp

或者直接通过npx使用（无需安装）：

npx @elvatis_com/elvatis-mcp

______________________________________________________________________

我在哪里可以使用它？

elvatis mcp适用于所有兼容mcp的客户端。每个客户端都使用自己的配置文件。

Claude Desktop和Cowork共享相同的配置文件。Claude Code是一个独立的系统。

______________________________________________________________________

配置

1.创建您的 .env 文件

cp .env.example .env

# Required
HA_URL=http://your-home-assistant:8123
HA_TOKEN=your_long_lived_ha_token
SSH_HOST=your-openclaw-server-ip
SSH_USER=your-ssh-username
SSH_KEY_PATH=~/.ssh/your_key

# Optional: Local LLM
LOCAL_LLM_ENDPOINT=http://localhost:1234/v1    # LM Studio default
LOCAL_LLM_MODEL=deepseek-r1-0528-qwen3-8b     # or omit to use loaded model

# Optional: Sub-agent models
GEMINI_MODEL=gemini-2.5-flash
CODEX_MODEL=o3

2.配置您的MCP客户端

克劳德桌面（macOS）

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "elvatis-mcp": {
      "command": "npx",
      "args": ["-y", "@elvatis_com/elvatis-mcp"],
      "env": {
        "HA_URL": "http://your-home-assistant:8123",
        "HA_TOKEN": "your_token",
        "SSH_HOST": "your-openclaw-server-ip",
        "SSH_USER": "your-username",
        "SSH_KEY_PATH": "/Users/your-username/.ssh/your_key"
      }
    }
  }
}

克劳德桌面（Windows MSIX）

打开此文件（必要时创建）：

%LOCALAPPDATA%\Packages\Claude_pzs8sxrjxfjjc\LocalCache\Roaming\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "elvatis-mcp": {
      "command": "C:\\Program Files\\nodejs\\node.exe",
      "args": ["C:\\path\\to\\elvatis-mcp\\dist\\index.js"],
      "env": {
        "HA_URL": "http://your-home-assistant:8123",
        "HA_TOKEN": "your_token",
        "SSH_HOST": "your-openclaw-server-ip",
        "SSH_USER": "your-username",
        "SSH_KEY_PATH": "C:\\Users\\your-username\\.ssh\\your_key"
      }
    }
  }
}

在Windows上，始终使用完全绝对路径。MSIX沙盒无法解析 ~ 或相对路径。

克劳德代码（本项目）

复制 .mcp.json.example 到 .mcp.json （gitignored，从未提交）并填写您的路径和SSH详细信息。然后复制 .env.example 到 .env 对于剩余的配置。

克劳德代码（全球）

claude mcp add --scope user elvatis-mcp -- node /path/to/elvatis-mcp/dist/index.js

HTTP传输（远程客户端）

MCP_TRANSPORT=http MCP_HTTP_PORT=3333 npx @elvatis_com/elvatis-mcp

将您的客户端连接到 http://your-server:3333/mcp.

______________________________________________________________________

环境变量

必需

可选的

______________________________________________________________________

本地LLM设置

elvatis-mcp适用于任何与OpenAI兼容的本地服务器。三种流行的选择：

LM Studio（建议用于桌面）

1. 下载自 lmstudio.ai
2. 加载模型（例如Deepseek R1 Qwen3 8B、Phi 4 Mini）
3. 点击侧边栏中的“本地服务器”并启用它
4. 服务器运行于 http://localhost:1234/v1 （默认值）

奥拉玛

ollama serve                    # starts server on port 11434
ollama run llama3.2             # downloads and loads model

集 LOCAL_LLM_ENDPOINT=http://localhost:11434/v1 在你的 .env.

llama.cpp

llama-server -m model.gguf --port 8080

集 LOCAL_LLM_ENDPOINT=http://localhost:8080/v1 在你的 .env.

按任务推荐的模型

推理模型（Deepseek R1、Phi 4 Reasoning）将其思维链包裹在 `` 标签。elvatis mcp会自动剥离这些内容，为您提供干净的响应。

______________________________________________________________________

SSH设置

cron、内存和OpenClaw工具通过SSH与服务器通信。

# Verify connectivity
ssh -i ~/.ssh/your_key your-username@your-server "openclaw --version"

# Optional: SSH tunnel for OpenClaw WebSocket gateway
ssh -i ~/.ssh/your_key -L 18789:127.0.0.1:18789 -N your-username@your-server

在Windows上，elvatis mcp会自动将SSH二进制文件解析为 C:\Windows\System32\OpenSSH\ssh.exe 并在暂时连接失败时重试。集 SSH_DEBUG=1 用于详细输出。

______________________________________________________________________

/mcp-help 斜杠命令

在克劳德法典中 /mcp-help 斜线命令以格式化输出的形式显示完整的34刀具布线指南：

/mcp-help                           # full guide
/mcp-help openclaw_status           # help for a specific tool
/mcp-help analyze this trading strategy for risk  # routing recommendation

______________________________________________________________________

速率限制

云子代理(claude_run, codex_run, gemini_run)价格有限，以防止成本失控。默认限制：

当地代理商(local_llm_run, home_*, openclaw_*)是无限的。

使用数据持续到 ~/.elvatis-mcp/usage.json.通过超控限制 RATE_LIMITS env 是：

RATE_LIMITS='{"claude_run":{"perMinute":3,"perDay":100}}'

______________________________________________________________________

发展

git clone https://github.com/elvatis/elvatis-mcp
cd elvatis-mcp
npm install          # builds automatically via prepare script
cp .env.example .env # fill in your values
node dist/index.js   # starts in stdio mode, waits for MCP client

构建监视模式：

npm run dev

运行集成测试：

npx tsx tests/integration.test.ts

项目布局

src/
  index.ts              MCP server entry, tool registration, transport, dashboard
  config.ts             Environment variable configuration
  dashboard.ts          Status dashboard HTML renderer
  ssh.ts                SSH exec helper (Windows/macOS/Linux)
  spawn.ts              Local process spawner for CLI sub-agents (supports stdin piping)
  session-registry.ts   CLI session registry: persist/resume Claude, Gemini, Codex sessions
  tools/
    home.ts             Home Assistant: light, climate, scene, vacuum, sensors
    home-automation.ts  HA automations: list, trigger, enable, disable
    memory.ts           Daily memory log: write, read, search (SSH)
    cron.ts             OpenClaw cron: list, run, status (SSH)
    cron-manage.ts      OpenClaw cron: create, edit, delete, history (SSH)
    openclaw.ts         OpenClaw agent orchestration (SSH)
    openclaw-logs.ts    OpenClaw server log viewer (SSH)
    notify.ts           WhatsApp/Telegram notifications via OpenClaw
    claude.ts           Claude sub-agent (local CLI, for non-Claude clients)
    gemini.ts           Google Gemini sub-agent (local CLI)
    codex.ts            OpenAI Codex sub-agent (local CLI)
    local-llm.ts        Local LLM sub-agent (OpenAI-compatible HTTP)
    local-llm-models.ts LM Studio model management (list/load/unload)
    llama-server.ts     llama.cpp server manager (start/stop/configure)
    file-transfer.ts    File upload/download via SSH
    system-status.ts    Unified health check across all services
    splitter.ts         Smart prompt splitter (multi-strategy)
    split-execute.ts    Plan executor with agent dispatch and rate limiting
    help.ts             Routing guide and task recommender
    routing-rules.ts    Shared routing rules and keyword matching
  rate-limiter.ts       Rate limiting + cost tracking for cloud sub-agents
tests/
  unit.test.ts          42 unit tests (no external services needed)
  integration.test.ts   Live integration tests

______________________________________________________________________

许可证

Apache-2.0--版权所有2026 Elvatis