MCP工具
mcp名称：io.github.taylorleese/mcp-toolz
 ](https://github.com/taylorleese/mcp-toolz/issues) ](https://github.com/taylorleese/mcp-toolz/commits/main)  ](https://pypi.org/project/mcp-toolz/)   
   
用于Claude Code的MCP服务器，提供多LLM反馈工具。
特性
- 多LLM反馈：从ChatGPT（OpenAI）、Gemini（谷歌）和DeepSeek获取第二意见
- MCP集成：通过模型上下文协议使用Claude代码
快速开始
安装
来自PyPI（推荐）
pip install mcp-toolz来源（发展）
# Clone the repository
git clone https://github.com/taylorleese/mcp-toolz.git
cd mcp-toolz
# Create and activate virtual environment
python3 -m venv venv
source venv/bin/activate # macOS/Linux
# or: venv\Scripts\activate # Windows
# Install in editable mode with dev dependencies
pip install -e ".[dev]"配置
# Set your API keys as environment variables (at least one required for AI feedback tools)
export OPENAI_API_KEY=sk-... # For ChatGPT
export GOOGLE_API_KEY=... # For Gemini
export DEEPSEEK_API_KEY=sk-... # For DeepSeek
# Or create a .env file (if installing from source)
cp .env.example .env
# Edit .env and add your API keysMCP服务器设置
添加到您的Claude Code MCP设置中：
如果通过pip安装：
{
"mcpServers": {
"mcp-toolz": {
"command": "mcp-toolz",
"args": [],
"env": {
"OPENAI_API_KEY": "sk-...",
"GOOGLE_API_KEY": "...",
"DEEPSEEK_API_KEY": "sk-..."
}
}
}
}如果从源代码安装：
{
"mcpServers": {
"mcp-toolz": {
"command": "python",
"args": ["-m", "mcp_server"],
"cwd": "/absolute/path/to/mcp-toolz",
"env": {
"PYTHONPATH": "/absolute/path/to/mcp-toolz/src"
}
}
}
}重新启动Claude Code以加载MCP服务器。
MCP服务器工具
AI反馈工具
从多个LLM那里获得关于代码、架构决策和实施计划的第二意见：
ask_chatgpt-获取ChatGPT的分析（支持自定义问题）ask_gemini-获取Gemini的分析（支持自定义问题）ask_deepseek-获取DeepSeek的分析（支持自定义问题）
Claude代码插件
此仓库兼作Claude Code插件市场。使用以下工具安装所有四个：
/plugin marketplace add taylorleese/mcp-toolz
/plugin install mcp-toolz-server@mcp-toolz
/plugin install precommit-detect@mcp-toolz
/plugin install revise-all-docs@mcp-toolz
/plugin install resolve-github-alerts@mcp-toolzmcp-toolz-server
在Claude Code中安装mcp-toolz mcp服务器，无需手动编辑 ~/.claude.json安装后，这三个工具(ask_chatgpt, ask_gemini, ask_deepseek)在任何Claude Code会话中，模型都可以使用。该插件通过以下方式运行服务器 uvx --from mcp-toolz python -m mcp_server，所以PyPI 仍然是底层分销渠道——这纯粹是Claude Code用户的安装人体工程学层。
必需的env变量（在shell中或通过direnv设置/.envrc): OPENAI_API_KEY, GOOGLE_API_KEY, DEEPSEEK_API_KEY每个选项都是独立可选的 如果其键未设置，相应的工具只会返回错误。
对于Cursor/Zed/Claude Desktop用户：继续通过客户端的标准机制手动配置MCP服务器。Claude Code插件不会传播 其他客户。
precommit-detect
只读检查预提交设置状态。寄存器 SessionStart 和 PostToolUse:EnterWorktree 检测当前仓库是否 .pre-commit-config.yaml 已连接-存在预提交二进制文件， .git/hooks/pre-commit 安装后，Docker守护进程在配置需要时可访问。 当缺少某些东西时，钩子会将间隙浮出水面 additionalContext 这样Claude就可以引导您完成审批门控安装（每缺少一个提示 item--从不自动安装）。
revise-all-docs
两种方法保持 CLAUDE.md, README.md，以及 `docs//*.md`** 同步——按意图选择。
/revise-all-docs — *“我刚刚完成了一些工作。记录下我们学到的东西。”*
读取当前对话，提取发现的命令，获取命中值和执行的模式，并建议添加到正确的文档文件中 对于每个发现（项目内部背景→ CLAUDE.md，面向用户的入职培训→ README.md，更深入的操作指南→ docs/).在结尾处运行此命令 发现了一些值得记录的东西的会议。
/improve-all-docs — *“别管会议了。按今天的状态审核文档。”*
静态扫描每个文档文件，根据类型适当的标题对每个文件进行评分（安装步骤实际有效？公共命令/API表面 完成？当前版本和路径？是否解决文档内链接？重复内容？)，然后提出有针对性的修复方案，包括 删除 的 过时或重复的内容，而不仅仅是添加内容。在清理过程中、发布之前或文档感觉与代码不同步时运行此程序。
这 all-docs-improver 当你用简单的语言问（“我的文档是最新的吗？”，“查看README和 斜线命令是明确的；技能是免提的。
所需依赖关系
两个曲面都委派 CLAUDE.md 为官员工作 claude-md-management 插件：
/plugin install claude-md-management@anthropicsresolve-github-alerts
对GitHub安全警报（Dependabot、代码扫描、秘密扫描）进行分类和解决 pip/pip工具/诗歌/uv/npm/纱线/pnpm/货物/go模块/Docker/GitHub操作 生态系统。在任何repo中运行它：
- 修复失败的Dependabot PR（lint/测试问题）
- 缓冲易受攻击的依赖关系并重新编译锁文件
- 修正代码扫描和秘密扫描警报
- 提交一份包含所有修复的PR供手动审查
自动检测项目的验证命令（Makefile目标、预提交、ruff、pytest、npm脚本）——不需要针对每个项目进行配置。
/resolve-github-alerts使用示例
获得多种AI视角
I'm deciding between Redis and Memcached for caching user sessions.
Ask ChatGPT for their analysis.跟进：
- “向双子座寻求另一种视角”
- “DeepSeek对此有何看法？”
多视角调试
I'm getting "TypeError: Cannot read property 'map' of undefined" in my React component.
The error occurs in UserList.jsx when rendering the users array.
Ask ChatGPT and Gemini for debugging suggestions.环境变量
# Required (at least one for AI feedback tools)
OPENAI_API_KEY=sk-... # Your OpenAI API key
GOOGLE_API_KEY=... # Your Google API key (for Gemini)
DEEPSEEK_API_KEY=sk-... # Your DeepSeek API key
# Optional
MCP_TOOLZ_MODEL=gpt-5 # OpenAI model (default: gpt-5)
MCP_TOOLZ_GEMINI_MODEL=gemini-2.0-flash-thinking-exp-01-21 # Gemini model
MCP_TOOLZ_DEEPSEEK_MODEL=deepseek-chat # DeepSeek model故障排除
“错误401：API密钥无效”
- 验证是否在中设置了API密钥
.env或环境变量 - 已在您的API提供商帐户上启用检查帐单
“没有名为context_manager的模块”
- 使用
PYTHONPATH=src在直接运行Python之前 - 或者通过pip安装：
pip install mcp-toolz
项目结构
mcp-toolz/
├── src/
│ ├── mcp_server/ # MCP server for Claude Code
│ │ └── server.py # MCP tools and handlers
│ └── context_manager/ # Client implementations
│ ├── openai_client.py # ChatGPT API client
│ ├── gemini_client.py # Gemini API client
│ └── deepseek_client.py # DeepSeek API client
├── tests/ # pytest tests
├── requirements.in
└── requirements.txt发展
贡献者设置
# Clone and install
git clone https://github.com/taylorleese/mcp-toolz.git
cd mcp-toolz
python3 -m venv venv
source venv/bin/activate
pip install -r requirements-dev.txt
# Install pre-commit hooks (IMPORTANT!)
pre-commit install
# Copy and configure .env
cp .env.example .env
# Edit .env with your API keys运行测试
source venv/bin/activate
pytest代码质量
     
# Run all checks (runs automatically on commit after pre-commit install)
pre-commit run --all-files
# Individual tools
black .
ruff check .
mypy src/许可证
麻省理工学院