SuperAPI AI 工具集
合作ENAI 行业资讯收藏
全部工具AI智能体multi_mcp

multi_mcp

Multi-MCP 是一个面向 Claude Code 的多模型代码审查与分析 MCP 服务器，可编排 OpenAI GPT、Anthropic Claude、Google Gemini 及 OpenRouter 等多个 AI 模型，并行执行代码质量检查、OWASP Top 10 安全分析和多智能体共识辩论。它基于 Model Context Protocol（MCP）构建，支持 CLI 与 API 模型混合使用、模型别名、对话线程上下文保持，并提供代码审查、聊天、对比、辩论等工具，帮助 Python 开发者和 DevOps 团队在开发流程中自动化 AI 代码审查。

访问官网

工具介绍

Multi-MCP 是一个多模型 AI 编排 MCP 服务器，用于自动化代码审查和基于 LLM 的分析。它集成 Claude Code CLI 和 OpenCode，可编排多个 AI 模型（OpenAI GPT、Anthropic Claude、Google Gemini）进行代码质量检查、安全分析（OWASP Top 10）和多智能体共识。该工具基于 Model Context Protocol（MCP）构建，使 Python 开发者和 DevOps 团队能够在开发工作流中直接使用 AI 驱动的洞察来自动化代码审查。

主要能力：

  • 代码审查：系统化工作流，包含 OWASP Top 10 安全检查和性能分析。
  • 聊天：具备仓库上下文感知的交互式开发辅助。
  • 对比：并行多模型分析，用于架构决策。
  • 辩论：多智能体共识工作流（独立回答 + 批判）。
  • 多模型支持：OpenAI GPT、Anthropic Claude、Google Gemini 和 OpenRouter。
  • CLI 与 API 模型：可混合使用基于 CLI 的模型（Gemini CLI、Codex CLI）和 API 模型。
  • 模型别名：可使用 mini、sonnet、gemini 等短名称。
  • 线程：在多步骤审查中保持上下文。

使用方式： Multi-MCP 作为 MCP 服务器，由 Claude Code 或 OpenCode 连接，提供 AI 驱动的代码分析工具。安装 MCP 服务器并配置 AI 模型 API 密钥后，可通过 make install 自动集成到 Claude Code 或 OpenCode。使用自然语言调用工具（例如“multi codereview this file”），即可从多个 AI 模型并行获取结果。

快速多模型分析特性：

  • 并行执行：3 个模型约 10 秒（相比顺序执行约 30 秒）。
  • 异步架构：非阻塞 Python asyncio。
  • 对话线程：在多步骤审查中保持上下文。
  • 低延迟：响应时间等于最慢模型的时间，而非所有模型时间之和。

环境要求： 至少一个提供商的 API 密钥（OpenAI、Anthropic、Google 或 OpenRouter）。

手动集成： 如果不运行 make install，可将配置添加到 Claude Code（~/.claude.json）或 OpenCode（~/.opencode/opencode.json），将 /path/to/multi_mcp 替换为实际克隆路径。

环境配置（API 密钥与设置）： Multi-MCP 按以下顺序加载 .env 文件中的设置（优先级从高到低）：

  1. 环境变量（已在 shell 中设置）
  2. 项目 .env（当前目录或项目根目录）
  3. 用户 .env（~/.multi_mcp/.env）——pip 安装的回退位置 编辑 .env 填入 API 密钥。

模型配置（添加自定义模型）： 模型在 YAML 配置文件中定义（用户配置优先）：

  • 包默认值：multi_mcp/config/config.yaml（随包捆绑）
  • 用户覆盖：~/.multi_mcp/config.yaml（可选，优先） 要添加自己的模型，创建 ~/.multi_mcp/config.yaml（参考 config.yaml 和 config.override.example.yaml 示例）。 合并行为：
  • 新模型会添加到包默认值旁边
  • 现有模型会合并（你的设置覆盖包默认值）
  • 别名可以从包模型“转移”到自定义模型

安装到 MCP 客户端（Claude Code 或 OpenCode）后，可使用以下命令：

  • 聊天：交互式开发辅助
  • 代码审查：使用特定模型分析代码
  • 对比：获取多个视角（使用默认模型）
  • 辩论：带批判的深度分析

启用允许列表： 编辑 ~/.claude/settings.json，在 permissions.allow 中添加相应行，使 Claude Code 无需用户许可即可使用 Multi MCP。

使用短别名代替完整模型名： 运行 multi:models 查看所有可用模型和别名。

CLI 模型： Multi-MCP 可以执行基于 CLI 的 AI 模型（如 Gemini CLI、Codex CLI 或 Claude CLI）以及 API 模型。CLI 模型作为子进程运行，与所有现有工具无缝协作。

  • 使用具有完整工具访问权限的模型（文件操作、shell 命令）
  • 在对比和辩论工作流中混合 API 和 CLI 模型
  • 利用本地 CLI 而无需 API 开销 内置 CLI 模型：
  • gemini-cli（别名：gem-cli）——Gemini CLI，自动编辑模式
  • codex-cli（别名：cx-cli）——Codex CLI，全自动模式
  • claude-cli（别名：cl-cli）——Claude CLI，acceptEdits 模式 添加自定义 CLI 模型： 添加到 ~/.multi_mcp/config.yaml（参见模型配置）。CLI 模型需要安装相应的 CLI 工具。

CLI 用法（实验性）： Multi-MCP 包含一个独立 CLI，无需 MCP 客户端即可进行代码审查。注意：CLI 为实验性，正在积极开发中。

故障排除：

  • “No API key found”：在 .env 文件中添加至少一个 API 密钥；验证是否加载：uv run python -c "from multi_mcp.settings import settings; print(settings.openai_api_key)"
  • 集成测试失败：设置 RUN_E2E=1 环境变量；验证 API 密钥有效且有足够额度；检查 logs/server.log 中的详细日志。

常见问题：

  • 是否需要全部三个 AI 提供商？不需要，只需一个 API 密钥（OpenAI、Anthropic 或 Google）即可开始。
  • 是否真正并行运行？是的。使用 codereview、compare 或 debate 工具时，所有模型通过 Python 的 asyncio.gather() 并发执行，响应时间等于最慢模型的时间，而非所有响应时间之和。
  • 可同时运行多少模型？没有硬性限制。实践中 2-5 个模型适用于大多数用例。所有工具使用配置的默认模型（通常 2-3 个），但可指定任意数量的模型。

贡献：欢迎贡献，参见 CONTRIBUTING.md 了解开发设置、测试指南和拉取请求流程。

许可证：MIT License，详见 LICENSE 文件。

同类工具

查看分类