OpenAI MCP Server

MCP编码助手，支持OpenAI+其他LLM提供商

Claude Code的强大Python再现，具有增强的实时可视化、成本管理和模型上下文协议（MCP）服务器功能。该工具为软件开发任务提供了一个自然语言界面，支持多个LLM提供商。

主要特点

• 多提供商支持： 与OpenAI、Anthropic和其他LLM提供商合作
• 模型上下文协议集成：

- 作为MCP服务器运行，与Claude Desktop和其他客户端一起使用 - 使用内置的MCP客户端连接到任何MCP服务器 - 解决复杂问题的多智能体同步

• 实时工具可视化： 实时查看工具执行进度和结果
• 成本管理： 通过预算控制跟踪代币使用和支出
• 综合工具套件： 文件操作、搜索、命令执行等
• 增强的用户界面： 丰富的终端界面，带有进度指示器和语法高亮显示
• 上下文优化： 智能对话压缩和内存管理
• 代理协调： 具有不同角色的专业代理可以协作完成任务

安装

1. 克隆此存储库
2. 安装依赖项：

pip install -r requirements.txt

1. 创建一个 .env 使用API密钥文件：

# Choose one or more providers
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# Optional model selection
OPENAI_MODEL=gpt-4o
ANTHROPIC_MODEL=claude-3-opus-20240229

用法

命令行接口命令模式

使用默认提供程序运行CLI（由可用的API密钥确定）：

python claude.py chat

指定提供程序和型号：

python claude.py chat --provider openai --model gpt-4o

设定预算限制以管理成本：

python claude.py chat --budget 5.00

MCP服务器模式

作为模型上下文协议服务器运行：

python claude.py serve

使用MCP检查器以开发模式开始：

python claude.py serve --dev

配置主机和端口：

python claude.py serve --host 0.0.0.0 --port 8000

指定其他依赖关系：

python claude.py serve --dependencies pandas numpy

从文件加载环境变量：

python claude.py serve --env-file .env

MCP客户端模式

使用Claude作为推理引擎连接到MCP服务器：

python claude.py mcp-client path/to/server.py

指定Claude模型：

python claude.py mcp-client path/to/server.py --model claude-3-5-sonnet-20241022

请尝试附带的示例服务器：

# In terminal 1 - start the server
python examples/echo_server.py

# In terminal 2 - connect with the client
python claude.py mcp-client examples/echo_server.py

多代理MCP模式

启动具有同步代理的多代理客户端：

python claude.py mcp-multi-agent path/to/server.py

使用自定义代理配置文件：

python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json

echo服务器示例：

# In terminal 1 - start the server
python examples/echo_server.py

# In terminal 2 - launch the multi-agent client
python claude.py mcp-multi-agent examples/echo_server.py --config examples/agents_config.json

可用工具

• 查看： 读取具有可选行限制的文件
• 编辑： 通过精确的文本替换修改文件
• 替换： 创建或覆盖文件
• 环球工具： 通过模式匹配查找文件
• GrepTool： 使用正则表达式搜索文件内容
• LS： 列出目录内容
• 猛击： 执行shell命令

聊天指令

• /帮助： 显示可用命令
• /紧凑型： 压缩对话历史记录以保存令牌
• /版本： 显示版本信息
• /供应商： 列出可用的LLM提供商
• /成本： 显示成本和使用信息
• /预算\[金额\]： 设定预算限额
• /退出，退出： 退出应用程序

建筑

Claude Code Python Edition采用模块化架构构建：

/claude_code/
  /lib/
    /providers/      # LLM provider implementations
    /tools/          # Tool implementations
    /context/        # Context management
    /ui/             # UI components
    /monitoring/     # Cost tracking & metrics
  /commands/         # CLI commands
  /config/           # Configuration management
  /util/             # Utility functions
  claude.py          # Main CLI entry point
  mcp_server.py      # Model Context Protocol server

与模型上下文协议一起使用

使用Claude Code作为MCP服务器

MCP服务器运行后，您可以从Claude Desktop或其他MCP兼容客户端连接到它：

1. 安装并运行MCP服务器：

   python claude.py serve

1. 在浏览器中打开配置页面：

   http://localhost:8000

1. 按照说明配置Claude Desktop，包括：

- 复制JSON配置 - 下载自动配置的JSON文件 - 分步设置说明

使用Claude Code作为MCP客户端

要使用Claude Code连接到任何MCP服务器：

1. 确保您在环境或.env文件中有Anthropic API密钥
2. 启动要连接的MCP服务器
3. 使用MCP客户端连接：

   python claude.py mcp-client path/to/server.py

1. 在交互式聊天界面中键入查询

使用多代理模式

对于复杂的任务，多代理模式允许多个专门的代理进行协作：

1. 创建代理配置文件或使用提供的示例
2. 启动MCP服务器
3. 启动多代理客户端：

   python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json

1. 使用命令界面与多个代理交互：

- 键入要向所有代理广播的消息 - 使用 /talk Agent_Name message 用于直接通信 - 使用 /agents 查看所有可用代理 - 使用 /history 查看对话历史记录

贡献

1. 分叉存储库
2. 创建要素分支
3. 通过测试实现您的更改
4. 提交拉取请求

许可证

麻省理工学院

致谢

该项目的灵感来自Anthropic的Claude Code CLI工具，该工具在Python中重新实现，具有增强可见性、成本管理和MCP服务器功能的附加功能。#OpenAI代码助手

一个强大的命令行和基于API的编码助手，使用OpenAI API进行函数调用和流式传输。

特性

• 用于编码辅助的交互式CLI
• 用于与其他应用程序集成的Web API
• 模型上下文协议（MCP）服务器实现
• 高可用性的复制支持
• 基于工具的可扩展性架构
• 工具优化的强化学习
• 用于基于浏览器的交互的Web客户端

安装

1. 克隆存储库
2. 安装依赖项：

   pip install -r requirements.txt

1. 设置您的OpenAI API密钥：

   export OPENAI_API_KEY=your_api_key

用法

命令行接口命令模式

在交互式CLI模式下运行助手：

python cli.py

选项：

• --model, -m：指定要使用的模型（默认值：gpt-4o）
• --temperature, -t：设置响应生成的温度（默认值：0）
• --verbose, -v：启用包含其他信息的详细输出
• --enable-rl/--disable-rl：启用/禁用强化学习以优化工具
• --rl-update：手动触发RL模型的更新

API服务器模式

将助手作为API服务器运行：

python cli.py serve

选项：

• --host：要绑定的主机地址（默认值：127.0.0.1）
• --port, -p：要侦听的端口（默认值：8000）
• --workers, -w：工作进程数（默认值：1）
• --enable-replication：启用跨实例的复制
• --primary/--secondary：这是主实例还是次实例
• --peer：要复制的对等实例（主机：端口），可以多次指定

MCP服务器模式

将助手作为模型上下文协议（MCP）服务器运行：

python cli.py mcp-serve

选项：

• --host：要绑定的主机地址（默认值：127.0.0.1）
• --port, -p：要侦听的端口（默认值：8000）
• --dev：启用具有额外日志记录的开发模式
• --dependencies：要安装的其他Python依赖项
• --env-file：带有环境变量的.env文件的路径

MCP客户端模式

使用助手作为推理引擎连接到MCP服务器：

python cli.py mcp-client path/to/server.py

选项：

• --model, -m：用于推理的模型（默认值：gpt-4o）
• --host：MCP服务器的主机地址（默认值：127.0.0.1）
• --port, -p：MCP服务器的端口（默认值：8000）

部署脚本

为了更容易部署，请使用提供的脚本：

./deploy.sh --host 0.0.0.0 --port 8000 --workers 4

要启用复制，请执行以下操作：

# Primary instance
./deploy.sh --enable-replication --port 8000

# Secondary instance
./deploy.sh --enable-replication --secondary --port 8001 --peer 127.0.0.1:8000

web客户端

要使用web客户端，请打开 web-client.html 在您的浏览器中。请确保API服务器正在运行。

API终点

API标准终点

• POST /conversation：创建新对话
• POST /conversation/{conversation_id}/message：向对话发送消息
• POST /conversation/{conversation_id}/message/stream：流式传输消息响应
• GET /conversation/{conversation_id}：获取对话详细信息
• DELETE /conversation/{conversation_id}：删除对话
• GET /health：健康检查端点

MCP协议端点

• GET /：健康检查（MCP协议）
• POST /context：获取提示模板的上下文
• GET /prompts：列出可用的提示模板
• GET /prompts/{prompt_id}：获取特定的提示模板
• POST /prompts：创建新的提示模板
• PUT /prompts/{prompt_id}：更新现有提示模板
• DELETE /prompts/{prompt_id}：删除提示模板

复制

复制系统允许运行多个处于同步状态的助手实例。这提供了：

• 高可用性
• 负载平衡
• 容错

要设置复制，请执行以下操作：

1. 使用以下命令启动主实例 --enable-replication
2. 使用启动辅助实例 --enable-replication --secondary --peer [primary-host:port]

工具

该助手包括各种工具：

• 天气：获取某个地点的当前天气
• 查看：从文件系统读取文件
• 编辑：编辑文件
• 替换：写入文件
• Bash：执行Bash命令
• GlobTool:文件模式匹配
• GrepTool：内容搜索
• LS：列出目录内容
• JinaSearch：使用Jina.ai进行网络搜索
• JinaFactCheck：使用Jina.ai进行事实核查
• JinaReadURL:阅读和总结网页

CLI命令

• /help：显示帮助消息
• /compact：压缩对话以减少令牌使用
• /status：显示令牌使用情况和会话信息
• /config：显示当前配置设置
• /rl-status：显示RL工具优化器状态（如果启用）
• /rl-update：手动更新RL模型（如果启用）
• /rl-stats：显示工具使用统计信息（如果启用）