LM Studio Bridge增强版v5.1.0

一个自主的中间件代理，允许任何MCP客户端将任务委派给本地LLM，然后LLM可以使用任何MCP工具实时在所有4种API格式之间进行转换。

基于: LMStudio MCP 无限无限

![Python 3.9+](https://www.python.org/downloads/) ![License: MIT](https://opensource.org/licenses/MIT) ![LM Studio](https://lmstudio.ai/) ![Tests](#testing) ![Coverage](#testing)

______________________________________________________________________

五大支柱

这个项目不仅仅是一座桥，它是一个 三向自治中间件代理 建立在5个支柱之上：

     Claude Code                         Other MCPs
     (any MCP client)                    (filesystem, memory, git, fetch...)
          |                                   ^
          | MCP Protocol                      | MCP Protocol
          v                                   |
    +---------------------------------------------+
    |          PILLAR 1: MCP SERVER                |
    |          (FastMCP, 37 tools)                 |
    |                                              |
    |    +--------------------------------------+  |
    |    |   PILLAR 4: AUTONOMOUS AGENT         |  |
    |    |   (self-correcting loops, parallel   |  |
    |    |    tool exec, metrics, branching)    |  |
    |    +--------+-----------------+-----------+  |
    |             |                 |               |
    |    +--------v------+  +------v-----------+   |
    |    | PILLAR 2:     |  | PILLAR 3:        |   |
    |    | LLM CLIENT    |  | MCP CLIENT       |   |
    |    | (Facade +     |  | (dynamic         |   |
    |    |  7 sub-clients|  |  discovery,      |   |
    |    |  4 API surfs) |  |  hot reload)     |   |
    |    +--------+------+  +------+-----------+   |
    |             |                 |               |
    |    +--------v-----------------v-----------+   |
    |    |     PILLAR 5: FORMAT TRANSLATOR      |   |
    |    |     (OpenAI  Anthropic         |   |
    |    |      Responses, bidirectional)       |   |
    |    +--------------------------------------+   |
    +---------------------------------------------+
          |                                   |
          | HTTP (3 API surfaces)             | stdio/SSE
          v                                   v
     LM Studio                           MCP Servers
     (local LLMs)                        (any from .mcp.json)

支柱	角色	如何看待它
1.MCP服务器	通过FastMCP提供37个工具	Claude Code看到一个带有工具的MCP
2.LLM客户端	立面+4个API表面上的7个子客户端	LM Studio看到一个HTTP客户端
3.MCP客户端	从动态连接到其他MCP `.mcp.json`	其他MCP看到MCP客户端
4.自主代理	独立运行LLM工具循环——多轮、自校正、并行	将所有内容联系在一起的编排器
5.格式转换器	双向三向翻译：OpenAI、Anthropic、Responses	相互竞争的标准之间的通用粘合剂

是什么让它与众不同

#	区别	描述
D-1	三向MCP拓扑	同时充当MCP服务器、MCP客户端和LLM客户端——MCP图中的三向节点
D-2型	自治代理循环	Claude委托一个任务，网桥运行一个完整的LLM工具循环，只返回结果
D-3	通用格式转换	OpenAI、Anthropic、Response、Native——所有4种格式，双向，用于工具+消息+流媒体
D-4	动态MCP发现	从热重新加载 `.mcp.json` --添加一个新的MCP，它立即可用。零代码更改
D-5	智能模型路由	按能力对所有加载的模型进行评分，并为每个任务选择最佳模型
D-6	JIT模型生命周期	模型未加载？桥载它。型号不对？桥交换它。一切都是透明的
D-7	对话分支	在任何时候分叉对话，探索替代方案，合并结果——基于树的历史

______________________________________________________________________

快速开始

1.先决条件

Python 3.9+
LM 工作室 v0.4.4+，模型已加载
MCP兼容客户端（如Claude Code）

2.安装

git clone https://github.com/ahmedibrahim085/lmstudio-bridge-enhanced.git
cd lmstudio-bridge-enhanced
pip install -r requirements.txt

3.配置

选项A：自动设置（推荐）

运行安装脚本以自动配置正确的路径：

./setup-config.sh

脚本将：

自动检测项目根目录
为Claude Code和/或LM Studio创建配置
设置正确 PYTHONPATH 用于Python模块导入
备份现有配置

选项B：手动配置

克劳德代码

添加到您的项目 .mcp.json:

{
  "mcpServers": {
    "lmstudio-bridge": {
      "command": "python3",
      "args": [
        "/absolute/path/to/lmstudio-bridge-enhanced/main.py"
      ],
      "env": {
        "PYTHONPATH": "/absolute/path/to/lmstudio-bridge-enhanced",
        "LMSTUDIO_HOST": "localhost",
        "LMSTUDIO_PORT": "1234"
      }
    }
  }
}

LM工作室

添加 ~/.lmstudio/mcp.json:

{
  "mcpServers": {
    "lmstudio-bridge-enhanced": {
      "command": "python3",
      "args": [
        "/absolute/path/to/lmstudio-bridge-enhanced/main.py"
      ],
      "env": {
        "PYTHONPATH": "/absolute/path/to/lmstudio-bridge-enhanced",
        "LMSTUDIO_HOST": "localhost",
        "LMSTUDIO_PORT": "1234"
      }
    }
  }
}

所需设置：

替换 /absolute/path/to/lmstudio-bridge-enhanced 使用您的实际安装路径

- 示例（macOS/Linux）： /Users/yourname/projects/lmstudio-bridge-enhanced - 示例（Windows）： C:\Users\yourname\projects\lmstudio-bridge-enhanced

重要：设置 PYTHONPATH 到与相同的目录 main.py （项目根）

可选环境变量：

DEFAULT_MODEL：固定特定模型（例如。， "qwen/qwen3-coder-30b")
LMSTUDIO_HOST：如果LM Studio在不同的主机上运行，则进行更改（默认值： localhost)
LMSTUDIO_PORT：如果LM Studio使用不同的端口，则进行更改（默认值： 1234)

配置示例： 看 .mcp.json.example 对于带有占位符的模板配置文件。

4.使用

在Claude Code或您的MCP客户端中：

Use the autonomous_with_mcp tool with the filesystem MCP to list all Python files

______________________________________________________________________

主要特点

代理配置文件和型号插槽（v5.0.0）

定义特定任务的代理角色并动态分配模型：

# Create a role template
create_role(
    name="coder",
    description="Code generation and refactoring",
    config={"temperature": 0.2, "max_tokens": 4096}
)

# Create an agent with a model assigned to a role
create_agent(
    name="my-coder",
    role="coder",
    model="qwen/qwen3-coder-30b"
)

# List active agents
list_agents()

# Remove when done
remove_agent(name="my-coder")

特性:

通过YAML模板创建、修改、删除用户定义的角色
任何型号都可以通过自动解析配置发挥任何作用
多个代理槽同时运行（编码+测试+审核）
6-param配置：温度、top_p、top_k、max_tokens、system_prompt、context_length
模型族知识库：6个族x 6个任务类型，带有供应商研究的覆盖层
每个模型族自动执行关键约束

原生聊天API（v5.0.0）

直接访问LM Studio的本地 /api/v1/chat 具有19个事件SSE流的端点：

19事件类型: chat.start, model_load.start/progress/end, prompt_processing.start/progress/end, reasoning.start/delta/end, tool_call.start/arguments/success/failure, message.start/delta/end, error, chat.end

特性:

丰富的流媒体，包括模型加载进度、推理令牌、工具执行状态
本地推理参数(reasoning_effort：低/中/高）更换 thinking_budget
日志概率支持置信度评分
通过以下方式提供临时MCP服务器 integrations 参数
API认证通过 Authorization 头球

模型自动下载（v5.0.0）

通过REST API直接下载模型，无需手动进行LM Studio交互：

lms_download_model(model_key="qwen/qwen3-coder-30b")

多模型支持（v3.1.0）

为不同的任务选择不同的型号：

# Reasoning model for analysis
autonomous_with_mcp(
    mcp_name="filesystem",
    task="Analyze codebase architecture",
    model="mistralai/magistral-small-2509"
)

# Coding model for implementation
autonomous_with_mcp(
    mcp_name="filesystem",
    task="Generate unit tests",
    model="qwen/qwen3-coder-30b"
)

# Default model (omit parameter)
autonomous_with_mcp(
    mcp_name="filesystem",
    task="List files"
)

特性:

使用缓存进行异步模型验证
清除列出可用型号的错误消息
向后兼容（型号参数可选）
处理空闲状态（车型自动激活）

结构化输出（v3.2.0）-JSON模式

强制LLM输出符合模式的有效JSON（LM Studio v0.3.32+）：

# Get structured JSON output
chat_completion(
    prompt="List 3 programming languages with their use cases",
    response_format={
        "type": "json_schema",
        "json_schema": {
            "name": "languages",
            "schema": {
                "type": "object",
                "properties": {
                    "languages": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "name": {"type": "string"},
                                "use_case": {"type": "string"}
                            }
                        }
                    }
                },
                "required": ["languages"]
            }
        }
    }
)
# Returns: {"languages": [{"name": "Python", "use_case": "Data science"}, ...]}

特性:

JSON模式验证 validate_json_schema 工具
模式深度和复杂性限制（最多10个级别，100个属性）
json_object 非结构化但有效的JSON模式
向后兼容（response_format是可选的）

备注：小于7B的模型参数可能会生成无效的JSON。推荐：Qwen 7B+、Llama 3 8B+或Mistral 7B+。

视觉/图像分析（v3.2.0）

使用多模态模型分析图像（LM Studio v0.3.30+）：

# Analyze any image (auto-detects input format)
analyze_image(image="/path/to/photo.jpg")
analyze_image(image="https://example.com/image.png")
analyze_image(image="data:image/png;base64,...")

# Generate descriptions with different styles
describe_image(image="/path/to/image.jpg", style="detailed")  # or "brief", "creative", "technical"

# Compare multiple images
compare_images(
    images=["design_v1.png", "design_v2.png"],
    comparison_type="differences"  # or "similarities", "both"
)

# Extract text (OCR-like)
extract_text_from_image(image="/path/to/document.png")

# Ask specific questions
answer_about_image(
    image="/path/to/chart.png",
    question="What is the value shown for Q3 2024?"
)

支持的输入格式 （自动检测）：

文件路径： /path/to/image.png, ./relative/path.jpg
网址： https://example.com/image.jpg
Base64： data:image/png;base64,... 或原始base64字符串

备注：需要具有视觉功能的型号（兼容LLaVA、Qwen VL、GPT-4V）。纯文本模型将返回错误。

模型能力注册表（v3.2.0）

查询模型功能、VRAM要求，并为您的任务找到最佳模型：

# List all downloaded models with metadata
lms_list_downloaded_models()
# Returns: [{"model_key": "qwen/qwen3-coder-30b", "size_bytes": 19000000000, ...}]

# Get detailed capabilities with BFCL benchmark scores
get_model_capabilities(model="qwen/qwen3-coder-30b")
# Returns: {
#   "model_key": "qwen/qwen3-coder-30b",
#   "tool_use_score": 0.933,  # BFCL benchmark
#   "estimated_vram_gb": 18.5,
#   "is_thinking_model": false,
#   "max_context_length": 32768
# }

# Intelligent model resolution with fallback
lms_resolve_model(
    requested_model="large-model-not-downloaded",
    task_type="coding"
)
# Returns: Alternative model suggestion if requested not available

# Download a model
lms_download_model(model_key="huggingface/model-name")

特性:

VRAM估计（考虑量化、KV缓存、上下文长度）
思维模型检测（QwQ、DeepSeek-R1、o1模式）
BFCL工具调用能力基准分数
智能回退建议
具有增量更新的持久缓存

VRAM估计公式:

VRAM = (file_size × quant_multiplier + kv_cache) × 1.1 overhead

动态MCP发现

没有硬编码配置。适用于您的任何MCP .mcp.json:

autonomous_with_mcp("filesystem", "task")
autonomous_with_mcp("memory", "task")
autonomous_with_mcp("postgres", "task")
# Works with ANY MCP

推理显示

对于具有推理能力的模型（DeepSeek R1、Magistral、Qwen3思维），请在最终答案之前查看模型的思维过程。

自主执行

LLM自主使用MCP工具：

# Single MCP
autonomous_with_mcp("filesystem", "Analyze codebase")

# Multiple MCPs
autonomous_with_multiple_mcps(
    ["filesystem", "memory"],
    "Analyze code and build knowledge graph"
)

# Auto-discover all MCPs
autonomous_discover_and_execute("Complete this task")

______________________________________________________________________

可用工具（共37个）

岩芯完井（5个工具）

chat_completion -聊天完成（包括推理_努力、日志问题、响应_格式）
text_completion -文本/代码完成
create_response -有状态的对话
generate_embeddings -矢量嵌入
validate_json_schema -在使用结构化输出之前验证JSON模式

健康与探索（5个工具）

health_check -检查LM Studio连接
check_server_health -详细的服务器运行状况和诊断
check_server_type -检测GUI与无头（llmster）
get_current_model -获取加载的模型信息
list_models -列出可用型号

视觉工具（6个工具）

analyze_image -全面的图像分析
describe_image -生成描述（详细/简短/创意/技术）
compare_images -比较多个图像
extract_text_from_image -类似OCR的文本提取
identify_objects -用位置标识对象
answer_about_image -回答有关图像的具体问题

自主MCP（5个工具）

autonomous_with_mcp -按名称使用任何MCP
autonomous_with_multiple_mcps -使用多个MCP
autonomous_discover_and_execute -自动发现所有MCP
autonomous_with_images -自主视觉输入
list_available_mcps -列出发现的MCP

代理配置文件（5个工具）——v5.0.0中的新功能

create_agent -创建具有模型+角色的代理插槽
list_agents -列出活动代理插槽
remove_agent -删除代理插槽
create_role -创建角色模板
list_roles -列出可用的角色模板

智能模型选择（1个工具）

select_best_model -能力评分模型路由

LMS CLI工具（9个工具，可选）

lms_list_loaded_models -列出加载的模型及其详细信息
lms_list_downloaded_models -列出所有下载的模型及其元数据
lms_load_model -加载特定模型
lms_unload_model -卸载模型以释放内存
lms_ensure_model_loaded -临时模型预加载（推荐）
lms_search_models -搜索型号目录
lms_download_model -从Hugging Face下载模型
lms_resolve_model -具有回退功能的智能模型解析
lms_server_status -服务器运行状况和诊断

______________________________________________________________________

建筑

网桥在MCP生态系统中占据着独特的地位——它同时是服务器、客户端和自主代理：

Claude Code ──MCP──> [MCP Server] ──> [Autonomous Agent] ──> [LLM Client] ──HTTP──> LM Studio
                                            |
                                            +──> [MCP Client] ──MCP──> filesystem, memory, git...
                                            |
                                      [Format Translator]
                                    OpenAI  Anthropic  Responses

API表面 （4同时）：

OpenAI兼容： /v1/chat/completions, /v1/completions, /v1/models, /v1/embeddings, /v1/responses
人类相容性： /v1/messages
本地LM Studio REST： /api/v1/models, /api/v1/models/load, /api/v1/models/unload, /api/v1/diagnostics
本地LM工作室聊天： /api/v1/chat --19个事件SSE流，包括推理、工具调用、模型加载进度

______________________________________________________________________

配置

环境变量

变量	默认值	描述
`LMSTUDIO_HOST`	`localhost`	LM工作室主持人
`LMSTUDIO_PORT`	`1234`	LM Studio API端口
`MCP_JSON_PATH`	（自动检测）	自定义 `.mcp.json` 路径
`DEFAULT_MODEL`	（自动检测）	要使用的默认模型（例如。， `qwen/qwen3-coder-30b`)
`LMS_MAX_RETRIES`	`3`	LMS CLI操作的最大重试次数
`LMS_RETRY_BASE_DELAY`	`1.0`	重试之间的基本延迟（秒）
`LMS_RETRY_MAX_DELAY`	`10.0`	最大延迟上限（秒）
`LMS_EXTRA_NUMERIC_PARAMS`	`""`	用于类型强制转换的其他数字参数（逗号分隔）

系统提示（推荐）

要为您的本地LLM提供正确的标识和工具使用指导，请在LM Studio中配置系统提示：

如何配置:

打开LM工作室
转到“设置”→ 系统提示（或聊天设置）
粘贴以下提示：

You are a local language model running via LM Studio on the user's machine.

## Your Identity
- Model: Running locally (not a cloud service)
- Capabilities: You have access to MCP tools for extended functionality
- Purpose: Assist users with tasks requiring external data/tools

## When to Use Tools
✅ Use tools ONLY when:
- Reading/writing files → use autonomous_with_mcp(mcp_name="filesystem")
- Fetching web content → use autonomous_with_mcp(mcp_name="fetch")
- Storing/retrieving knowledge → use autonomous_with_mcp(mcp_name="memory")
- GitHub operations → use autonomous_with_mcp(mcp_name="github")

❌ Do NOT use tools for:
- Conversational responses (greetings, small talk)
- Identity questions ("Who are you?" - answer: "I am a local LLM...")
- General knowledge ("What is X?" - answer from training)
- Explanations, definitions, tutorials

## Decision Process
Before calling ANY tool, ask:
1. Do I need external data I don't have? → If NO, answer directly
2. Is this a conversational response? → If YES, answer directly
3. Am I delegating to another LLM when I should answer? → If YES, answer directly

When in doubt, answer directly without tools.

测试您的配置:

User: "Hello, who are you?"
Expected: LLM responds directly (no tools) - "I am a local language model..."

User: "Read my README file"
Expected: LLM uses autonomous_with_mcp(mcp_name="filesystem", ...)

MCP发现优先级

$MCP_JSON_PATH （如果设置）
~/.lmstudio/mcp.json
$(pwd)/.mcp.json
~/.mcp.json

______________________________________________________________________

测试

运行全面测试：

cd lmstudio-bridge-enhanced
python3 -m pytest tests/ -v

测试结果：~1969次测试通过，覆盖率91%

测试覆盖范围包括：

格式适配器三向转换（200+测试）
自主代理循环——OpenAI和Anthropic格式（100+测试）
流式传输——SSE解析器、原生SSE解析器和思维解析器（100+测试）
结构化输出和JSON模式（51个测试）
视觉/多模式（50+测试）
模型注册、选择、发现（150多项测试）
模型生命周期——加载、卸载、JIT、下载、验证（120多个测试）
代理配置文件——插槽、角色、解析器、知识库（200多个测试）
原生聊天客户端——19种事件类型，临时MCP（80+测试）
推理、logprobs、身份验证（80多项测试）
会话分支（50+测试）
线程安全、资源清理、错误处理（80多项测试）
架构保护、常量拆分、版本一致性（30+测试）

______________________________________________________________________

文档

快速开始 -分步教程
API 参考 -完整的工具文档
建筑 -动态发现是如何工作的
故障排除 -常见问题
多模型指南 -选型指南
贡献 -开发指南

______________________________________________________________________

故障排除

连接问题

# Verify LM Studio is running
curl http://localhost:1234/v1/models

# Check MCP configuration
python3 -c "from mcp_client.discovery import get_mcp_discovery; \
            d = get_mcp_discovery(); print(d.mcp_json_path)"

未发现MCP

# List available MCPs
python3 -c "from mcp_client.discovery import get_mcp_discovery; \
            d = get_mcp_discovery(); print(d.list_available_mcps())"

看故障排除指南更多。

______________________________________________________________________

版本历史

v5.1.0（2026年3月）-当前版本

G轮——可靠性和效率 （来自服务器日志分析的11个OPP）：

OPP-38：修复“model:default”哨兵转义--消除167个错误/会话
OPP-39：上下文窗口保护--防止94K令牌溢出（累积跟踪）
OPP-43：JIT轮询率限制器——60秒记忆，消除11613个冗余轮询
OPP-32：模式感知类型强制--修复字符串→LM Studio模型的数组/对象
OPP-33：预分派工具参数验证--捕获丢失的必需参数
OPP-44：每个工具断路器——3状态模式（闭合/打开/半打开）
OPP-37：工具调用孤立检测--跟踪已开始但未完成的调用
OPP-40：工具结果缓存——基于TTL和命名空间规范化的allowlist
OPP-45：每个模型的误差预算----具有退化状态的咨询性健康跟踪
OPP-46：自适应超时——基于p95的自适应响应时间观察
OPP-50：工具模式去重实验--设置previous_response_id时省略模式

新模块: tool_call_guard.py, tool_call_tracker.py, tool_result_cache.py, model_health.py, adaptive_timeout.py

6轮评审：修复了5个关键+6个高发现，经过架构师验证

统计：2167次测试，81%的覆盖率（CI），+5476/-131行，38个文件已更改

v5.0.0（2026年3月）

架构重构（A阶段）:

ARCH-1：LLMClient Facade模式——将1500行神类拆分为7个基于协议的子客户端（聊天、响应、人、流、思考、model_info、native_chat）
ARCH-2：常量包——将854行平面文件拆分为15个域模块，并具有向后兼容的重新导出功能
ARCH-3：指标辅助提取--重复数据消除4次复制粘贴15行块
ARCH-4：异常层次结构-- core/exceptions.py 具有适当的向上依赖修复
ARCH-5：平台抽象npx生成——删除了85行仅限macOS的Homebrew路径

新功能（B阶段）:

OPP-21：本地推理参数(reasoning_effort：低/中/高）--替换 thinking_budget
OPP-28：API身份验证- Authorization 安全LM Studio实例的标头支持
OPP-29：记录概率——每个令牌的置信度评分
OPP-31：代理配置文件和模型槽——用户定义的角色、任何模型到任何角色、并发代理、6族知识库
OPP-27：高级模型负载参数——GPU卸载、上下文长度、闪存注意力
OPP-24：通过REST API建模自动下载

主要特征（C阶段）:

OPP-19：本地聊天API(/api/v1/chat)--19个事件SSE解析器，具有模型加载、推理和工具调用功能
OPP-25：临时MCP服务器-- integrations 每个请求MCP配置的参数

统计：1969次测试，91%的覆盖率，57次提交，+9541/-2560行

v4.1.0（2026年3月）

弃用思考警告_预算 -迁移桥到v5.0.0推理API
CI执行 --覆盖门（89%）、绒毛、建筑防护
CI矩阵中的Python 3.12 --匹配pyproject.toml分类器

v4.0.0（2026年3月）

代码质量审核 --12个代理，3波深度审查，TDD修复
硬编码值提取 --所有神奇的数字都移动到config/constants.py
无声错误捕获消除 --所有16个捕获块都添加了日志记录
视觉助手重复数据删除 --合并6个重复的try/except块
未使用的导入清理 --ruff--修复所有工具模块
公共API测试覆盖范围 --register\_\*\_tools（）函数现已测试
线程安全 --穿线。锁定共享缓存
错误合同 --标准化刀具错误返回格式
单音定时器 --TTL缓存的time.dononic（）
1684次测试，覆盖率91%

v3.5.0（2026年2月）

已实施18个OPP 5轮（第1阶段至第C轮）
三路格式适配器 --OpenAI，拟人，响应（双向）
双格式自主循环 --OpenAI和Anthropic工具调用
流媒体基础设施 -适用于所有3个API曲面的SSE解析器
延伸思考 --思维模型的推理预算控制
多模态回路 --自主agent中的视觉支持
对话分支 --叉树/合并树导航
智能选型 --能力评分模型路由
通过API的本地MCP -API请求中配置的MCP服务器
测试基础设施大修 --1455次测试，覆盖率91%
10个服务器错误修复 --资源泄漏、线程安全、无声故障

v3.4.0（2026年2月）

流媒体（OPP-12）、扩展思维（OPP-14）、三向格式适配器（OPP-10）
智能选型（OPP-08）、无头部署（OPP-18）
约80%的覆盖率，约1100次测试

v3.2.0（2025年11月）

结构化JSON输出、视觉/多模式、模型能力注册表
331次测试，44次提交，10个新的MCP工具

v3.1.0（2025年11月）

多模型支持，模型验证，7个异常类

v3.0.0（2025年10月）

推理显示、循证安全、类型安全

看文档/发行说明/ 了解完整细节。

______________________________________________________________________

许可证

MIT许可证-请参阅许可证

______________________________________________________________________

积分

原创: LMStudio MCP 无限无限 增强通过：艾哈迈德·马吉德

开发团队:

Ahmed Maged-首席开发人员
Claude（Anthropic）-建筑、文档、最佳实践
Qwen3编码器30B-代码生成和实现
Qwen3 Think-深度分析和战略规划

看贡献.md 有关开发协作的详细信息。

______________________________________________________________________

支持

问题:
文档: docs/

有关快速帮助，请参阅 QUICKSTART.md.

Lmstudio Bridge Enhanced

快速接入

详细介绍

LM Studio Bridge增强版v5.1.0

五大支柱

是什么让它与众不同

快速开始

1.先决条件

2.安装

3.配置

选项A：自动设置（推荐）

选项B：手动配置

克劳德代码

LM工作室

4.使用

主要特点

代理配置文件和型号插槽（v5.0.0）

原生聊天API（v5.0.0）

模型自动下载（v5.0.0）

多模型支持（v3.1.0）

结构化输出（v3.2.0）-JSON模式

视觉/图像分析（v3.2.0）

模型能力注册表（v3.2.0）

动态MCP发现

推理显示

自主执行

可用工具（共37个）

岩芯完井（5个工具）

健康与探索（5个工具）

视觉工具（6个工具）

自主MCP（5个工具）

代理配置文件（5个工具）——v5.0.0中的新功能

智能模型选择（1个工具）

LMS CLI工具（9个工具，可选）

建筑

配置

环境变量

系统提示（推荐）

MCP发现优先级

测试

文档

故障排除

连接问题

未发现MCP

版本历史

v5.1.0（2026年3月）-当前版本

v5.0.0（2026年3月）

v4.1.0（2026年3月）

v4.0.0（2026年3月）

v3.5.0（2026年2月）

v3.4.0（2026年2月）

v3.2.0（2025年11月）

v3.1.0（2025年11月）

v3.0.0（2025年10月）

许可证

积分

支持

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP