用途：PAL MCP（Provider Abstraction Layer）是一个 MCP 服务器，用于让 AI 编程助手在同一个工作流中协调多个 AI 模型，适用于代码审查、调试、规划与 CLI 桥接等场景。
主要能力：多模型编排（Gemini、OpenAI、Anthropic、Grok、Azure、Ollama、OpenRouter）；对话线程化，后续模型可记住先前模型的上下文；CLI 桥接（clink），可将 Gemini CLI、Codex CLI、Claude Code 作为子代理启动并赋予专门角色；上下文隔离，避免污染主工作区；可委托给更大上下文窗口的模型；内置代码审查、调试、规划、安全审计、提交前检查等工作流。核心工具包括 pal、clink、codereview、debughelp、planner、precommit。
使用方式：需 Python 3.10+、Git 与 uv。可克隆仓库后运行 ./run-server.sh 自动配置，或用 uvx 方式在 ~/.claude/settings.json 或 .mcp.json 中配置 mcpServers。至少设置一个提供商的 API 密钥（如 GEMINI_API_KEY、OPENAI_API_KEY、OPENROUTER_API_KEY、XAI_API_KEY、AZURE_OPENAI_KEY）；本地模型无需密钥，运行 ollama serve 即可。可通过环境变量配置 DEFAULT_MODEL、DEFAULT_TEMPERATURE、DEFAULT_MAX_TOKENS、DISABLED_TOOLS、LOG_LEVEL 等。
适用场景：多模型代码审查流水线、隔离的子调查、共识驱动的架构决策、视觉辅助代码审查、上下文重置后的对话恢复。
限制：具体收费、价格与效果资料未提供；需自行准备各提供商 API 密钥；部分模型别名与可用性可能随提供商变化。