Multi Provider MCP Server

多提供商MCP服务器-通用LLM“瑞士军刀”

一个统一的模型上下文协议（MCP）服务器，提供 单一、一致的界面 多个AI提供商。非常适合 微软复制品工作室 以及其他MCP兼容应用。

🎯 核心概念：一个服务器、一个提供商、一个模型

与传统的多提供商服务器不同，此MCP服务器旨在 每个提供者配置一次每个服务器实例都专注于一个具有最佳默认设置的AI提供商，使其非常适合企业部署。

](https://github.com/PlumyCat/Multi-Provider-MCP-Server/issues) ](https://github.com/PlumyCat/Multi-Provider-MCP-Server/network) ](https://github.com/PlumyCat/Multi-Provider-MCP-Server/stargazers) ](https://github.com/PlumyCat/Multi-Provider-MCP-Server/blob/main/LICENSE)

🚀 非常适合Microsoft Copilot Studio

此MCP服务器提供 统一接口 对于所有人工智能提供商来说，这使其成为以下领域的理想选择：

• 微软复制品工作室 自定义连接器
• 企业人工智能部署 具有提供商灵活性
• 一致的机器人行为 跨不同的LLM提供商
• 轻松切换提供商 无需更改代码

📦 安装

使用npm快速入门

npm install -g multi-provider-mcp-server

手动安装

git clone https://github.com/PlumyCat/Multi-Provider-MCP-Server.git
cd Multi-Provider-MCP-Server
npm install
npm run build

🔧 配置

支持的提供商

选择 一个供应商 每个服务器实例：

环境变量

根据您选择的提供商设置适当的API密钥：

# For DeepSeek
DEEPSEEK_API_KEY=your-deepseek-api-key

# For OpenAI
OPENAI_API_KEY=your-openai-api-key

# For Azure OpenAI
AZURE_OPENAI_API_KEY=your-azure-openai-api-key
AZURE_OPENAI_BASE_URL=https://your-resource.openai.azure.com

# For Claude
CLAUDE_API_KEY=your-claude-api-key

# For Mistral
MISTRAL_API_KEY=your-mistral-api-key

# For Codestral
CODESTRAL_API_KEY=your-codestral-api-key

# For Gemini
GEMINI_API_KEY=your-gemini-api-key

基本MCP配置

适用于克劳德桌面(claude_desktop_config.json)

{
  "mcpServers": {
    "LLM": {
      "command": "node",
      "args": ["F:/MCP-Server/Multi-Provider-MCP-Server/build/index.js"],
      "cwd": "F:/MCP-Server/Multi-Provider-MCP-Server",
      "env": {
        "PROVIDER": "azure-openai"
      }
    }
  }
}

对于光标(mcp.json)

{
  "mcpServers": {
    "LLM": {
      "command": "node",
      "args": ["F:/MCP-Server/Multi-Provider-MCP-Server/build/index.js"],
      "cwd": "F:/MCP-Server/Multi-Provider-MCP-Server",
      "env": {
        "PROVIDER": "azure-openai"
      }
    }
  }
}

🎯 用法

简单接口

服务器提供 两个简单的工具 没有复杂的配置：

1. chat_completion

基本单圈聊天完成：

{
  "message": "Hello, how are you?"
}

2. multi_turn_chat

保持历史记录的多回合对话：

{
  "messages": "Continue our conversation about AI"
}

无需配置

这种方法的美妙之处：机器人/客户端不需要知道：

• 正在使用哪个AI提供商
• 哪个型号处于活动状态
• 哪些参数是最优的
• 如何处理不同的API

一切都由服务器配置自动处理。

🏢 企业部署示例

场景1：多个机器人，不同的提供商

# Bot A: Customer Support (Azure OpenAI)
PROVIDER=azure-openai → Uses gpt-4o for consistent responses

# Bot B: Code Assistant (DeepSeek)
PROVIDER=deepseek → Uses deepseek-reasoner for technical queries

# Bot C: Creative Writing (Claude)
PROVIDER=claude → Uses claude-3-5-sonnet for creative tasks

场景2：相同的机器人，轻松的提供者迁移

# Week 1: Testing with OpenAI
PROVIDER=openai

# Week 2: Switch to Azure OpenAI for compliance
PROVIDER=azure-openai

# Week 3: Try DeepSeek for cost optimization
PROVIDER=deepseek

无需更改代码！ 🎉

🔍 测试和开发

构建和测试

npm run build
npm test

使用MCP检查员进行测试

npm run build
npx @modelcontextprotocol/inspector node ./build/index.js

环境文件支持

创建一个 .env 项目根目录中的文件：

# Provider Selection
PROVIDER=azure-openai

# API Configuration
AZURE_OPENAI_API_KEY=your-key-here
AZURE_OPENAI_BASE_URL=https://your-resource.openai.azure.com

🚀 Microsoft Copilot Studio集成

此MCP服务器是专门为 微软复制品工作室 自定义连接器：

优点：

• 接口：所有提供商都使用相同的工具
• 无提供商锁定：易于切换提供商
• 企业就绪：专为生产部署而构建
• 简化管理：每个机器人一个配置

实施：

1. 部署MCP服务器 与您选择的提供商合作
2. 配置Copilot Studio 使用MCP端点
3. 使用简单工具 - chat_completion 和 multi_turn_chat
4. 交换机提供商 仅通过更改环境变量

📚 api参考

工具

chat_completion

• 描述：单圈聊天完成
• 输入: { message: string }
• 输出：来自配置的提供程序的文本响应

multi_turn_chat

• 描述：与历史的多回合对话
• 输入: { messages: string }
• 输出：保持对话流畅的上下文响应

资源

• models：列出已配置提供程序的可用型号
• model-config：当前提供程序的配置选项

🔒 安全

• API密钥：仅作为环境变量存储
• 提供商隔离：每个服务器实例使用一个提供程序
• 无凭证风险：客户端从未看到API密钥或提供程序详细信息

🆘 支持

• GitHub问题: 报告错误或请求功能
• GitHub讨论: 社区支持

📄 许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

为人工智能集成的未来而构建 🤖✨