内容
# LLM Council MCP
[English Version](#english-version) | [Deutsche Version](#deutsche-version)
---
# 中文版本
## 目录
- [什么是LLM Council MCP（以及它是如何工作的）](#什么是llm-council-mcp以及它是如何工作的)
- [安装与设置](#安装与设置)
- [快速开始 / 第一次运行](#快速开始-第一次运行)
- [设置界面与存储设置](#设置界面与存储设置)
- [使用](#使用)
- [工具注册（手动）](#工具注册手动替代设置界面)
- [故障排除](#故障排除)
- [Credits](#credits)
---
一个轻量级、本地的MCP服务器，适用于Mac，基于Andrej Karpathy的原始想法（[karpathy/llm-council](https://github.com/karpathy/llm-council)），并移植了来自[DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus)的提示/工作流模板。它使用**完全原始的提示**直接与OpenRouter交互，无需Docker或NAS依赖。可与Claude Code、Codex CLI和Antigravity通过MCP一起使用。
## 什么是LLM Council MCP（以及它是如何工作的）
该工具通过三个简单的步骤复制原始项目的AI商议过程：
1. **阶段1（回答）：**多个AI模型独立且同时回答你的问题。
2. **阶段2（评审）：**模型读取所有答案，但不知道哪个模型写了哪个答案（盲评）。每个模型对答案进行排名，以防止自我偏见。
3. **阶段3（综合）：**最终的“主席”模型读取所有答案和评审，并为你撰写一个平衡的回应。如果主席模型失败，另一个模型将自动接管。
AI提示指令和设置完全从原始项目复制，以确保相同的答案质量。
### 目前暂时省略的内容（为简单起见，但计划作为可选功能）
- **阶段1中的网络搜索/互联网访问：**目前，模型基于其训练和上下文回答。（计划作为未来版本的可选功能）。
- **UI中的可编辑提示/自定义角色（例如，批评者模式）：**提示模板当前硬编码以确保可靠性。（计划作为可选设置部分）。
- **聊天历史和交互式讨论：**当前设计用于深入的单一问题。（计划在Claude和主席之间进行可选的讨论模式，以决定需要哪些文件）。
- **直接文件访问：**服务器出于安全/简单性的考虑，不直接读取你的工作区。你的客户端（Claude Code，Antigravity）读取文件并将它们作为参数传递。
---
## 安装与设置
### 方法A：通过PyPI快速安装（推荐）
您可以直接从PyPI运行设置界面，无需克隆存储库（需要安装包安装程序[uv](https://github.com/astral-sh/uv)，例如，通过`curl -LsSf https://astral.sh/uv/install.sh | sh`或`brew install uv`）：
```bash
uvx --from llm-council-mcp-server llm-council-setup
```
这将自动在您的浏览器中打开`http://127.0.0.1:5151`。
### 方法B：手动克隆（用于开发）
如果您想在本地修改源代码：
```bash
git clone https://github.com/salutaris91/llm-council-mcp-server.git
cd llm-council-mcp-server
python3 -m venv venv
source venv/bin/activate
# 安装依赖（通过requirements.txt或直接使用pyproject.toml）
pip install -r requirements.txt # 或：pip install .
```
在本地运行设置界面：
```bash
python3 setup_ui.py
```
---
## 🚀 快速开始 / 第一次运行
按照以下步骤快速开始：
1. **获取OpenRouter API密钥：**
- 在 **[openrouter.ai/keys](https://openrouter.ai/keys)** 上创建API密钥。
- *注意：* 确保您的OpenRouter账户有少量资金，因为每次查询都会并行运行多个模型。
2. **启动设置界面：**
- 在终端中运行 `uvx --from llm-council-mcp-server llm-council-setup`。这将自动在您的网络浏览器中打开本地配置面板。
3. **配置设置：**
- 粘贴您的API密钥，选择您首选的委员会和主席模型，然后点击 **保存**。
4. **注册服务器：**
- 在设置界面的 **安装** 部分下，点击您所需工具（Claude Code、Codex CLI或Antigravity）旁边的 **安装** 按钮。
5. **重启工具：**
- 完全重启您的MCP启用编辑器/客户端（例如，重新加载Antigravity），以应用更改。
6. **开始商议：**
- 在您的聊天客户端中运行查询（参见下面的 [使用](#使用)）。
---
## 设置界面与存储设置
设置界面提供了一个用户友好的界面来管理您的委员会设置。它具有：
- **语言切换器：** 在德语和英语之间动态切换UI。
- **模型预设（快速和深入）：** 在快速模型（用于快速检查）和高度 capable 的推理模型（用于深入的架构决策）之间即时切换。
- **高级/专家设置：** 为三个阶段调整AI的“创造力”（温度），并配置自定义令牌限制。
- **自动打开浏览器切换：** 选择设置界面是否应在启动时自动打开您的浏览器。
- **工具安装程序：** 查看状态（已安装/未安装）并通过单击注册/取消注册MCP服务器在Claude Code、Codex CLI和Antigravity中。
您的配置保存在用户配置目录中的`settings.json`文件（例如，macOS上的`~/Library/Application Support/llm-council`）。
*旧版说明：* 如果您有一个手动设置的现有`.env`文件，它将在第一次启动时自动导入到`settings.json`中，之后可以安全删除。
---
## 使用
要使用委员会，只需让您的MCP主机查询它，传递任何您希望它评估的代码上下文。
**示例提示：**
* *"使用委员会来获取关于我们是否应该为这个类使用Redis或内存缓存的第二意见。"*
* *"请委员会审查我的排序算法实现。"*
**幕后发生的事情：**
服务器将运行3阶段的共识管道。由于这涉及多个并行和顺序的LLM调用，因此工具响应通常需要**30到120秒**才能完成。一些主机（Antigravity）显示实时进度，而其他主机（Codex）仅显示加载动画 — 调用继续正常进行，通常根据模型的不同需要30-120秒（偶尔会长一点）。只需等待结果出现。它将返回一个格式化的Markdown报告，包括主席的综合、各个模型的响应和排名。
---
## 工具注册（手动，替代设置界面）
### 1. 如果通过PyPI安装（方法A）
#### Claude Code
```bash
claude mcp add llm-council --scope user -- uvx --from llm-council-mcp-server llm-council-mcp
```
#### Codex CLI
在`~/.codex/config.toml`中添加：
```toml
[mcp_servers.llm-council]
command = "uvx"
args = ["--from", "llm-council-mcp-server", "llm-council-mcp"]
```
#### Antigravity
在位于`~/.gemini/config/mcp_config.json`的配置文件中添加（不要使用`~/.gemini/antigravity/`）：
```json
{
"mcpServers": {
"llm-council": {
"command": "uvx",
"args": ["--from", "llm-council-mcp-server", "llm-council-mcp"]
}
}
}
```
### 2. 如果手动克隆（方法B）
用绝对路径替换`/path/to/venv/bin/python3`和`/path/to/llm-council-mcp/server.py`。
#### Claude Code
```bash
claude mcp add llm-council --scope user -- /path/to/venv/bin/python3 /path/to/llm-council-mcp/server.py
```
#### Codex CLI (`~/.codex/config.toml`)
```toml
[mcp_servers.llm-council]
command = "/path/to/venv/bin/python3"
args = ["/path/to/llm-council-mcp/server.py"]
```
#### Antigravity (`~/.gemini/config/mcp_config.json`)
```json
{
"mcpServers": {
"llm-council": {
"command": "/path/to/venv/bin/python3",
"args": ["/path/to/llm-council-mcp/server.py"]
}
}
}
```
---
## 🛠️ 故障排除
* **服务器在工具中未显示？**
- 完全重启客户端应用程序（Claude Code、Codex或Antigravity）。MCP服务器在启动时加载。
* **Antigravity未检测到服务器？**
- 验证服务器是否写入`~/.gemini/config/mcp_config.json`。如果您在`~/.gemini/antigravity/`中手动创建了文件，请删除它并使用正确的路径。
* **OpenRouter API错误（例如401、402）？**
- 打开设置界面并检查您的API密钥。确保您的OpenRouter账户有正余额。
* **查看日志：**
- 标准错误日志由您的MCP主机捕获。查看编辑器日志输出或终端窗口以获取详细信息。
---
## Credits
- **原始想法：** Andrej Karpathy — [karpathy/llm-council](https://github.com/karpathy/llm-council)
- **提示/工作流模板：** 从 [DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus) 移植
- **此MCP服务器：** Alexander Deja — [anderzlabs.de](https://www.anderzlabs.de/)
---
# English Version
## Table of Contents
- [What it is (and how it works)](#what-it-is-and-how-it-works)
- [Installation & Setup](#installation--setup)
- [Quick Start / First Run](#-quick-start--first-run)
- [Setup UI & Settings Storage](#setup-ui--settings-storage)
- [Usage](#usage)
- [Tool Registration (Manual)](#tool-registration-manual-alternative-to-setup-ui)
- [Troubleshooting](#-troubleshooting)
- [Credits](#credits)
---
A lightweight, local MCP server for your Mac based on the original idea by Andrej Karpathy ([karpathy/llm-council](https://github.com/karpathy/llm-council)) with prompt/workflow templates ported from [DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus). It replicates the 3-stage workflow using the **exact original prompts** directly against OpenRouter, without any Docker or NAS dependencies. Works with Claude Code, Codex CLI, and Antigravity via MCP.
## What it is (and how it works)
This tool replicates the AI deliberation process of the original project in three simple steps:
1. **Stage 1 (Answering):** Several AI models answer your question independently and at the same time.
2. **Stage 2 (Reviewing):** The models read all the answers without knowing who wrote which answer (blind review). Each model ranks the answers from best to worst to prevent self-bias.
3. **Stage 3 (Synthesis):** A final "Chairman" model reads all answers and reviews, and writes a single, balanced response for you. If the Chairman fails, another model automatically takes over.
The AI prompt instructions and settings are copied exactly from the original project to ensure the same high quality.
### What is currently left out (kept simple for now, but planned as optional features later):
- **Web Search / Internet Access in Stage 1:** Currently, models answer based on training and context. (Planned as an optional feature in a future release).
- **Editable Prompts / Custom Roles (e.g. Critic mode) in the UI:** Prompt templates are currently hardcoded for reliability. (Planned as an optional settings section).
- **Chat History & Interactive Discussion:** Currently designed for deep-dive single questions. (An optional discussion mode between Claude and the Chairman to decide which files are needed is planned).
- **Direct File Access:** The server does not read your workspace directly for security/simplicity. Your client (Claude Code, Antigravity) reads the files and passes them as parameters.
---
## Installation & Setup
### Method A: Quick Onboarding via PyPI (Recommended)
You can run the Setup UI directly from PyPI without cloning the repository (requires the package installer [uv](https://github.com/astral-sh/uv) to be installed, e.g., via `curl -LsSf https://astral.sh/uv/install.sh | sh` or `brew install uv`):
```bash
uvx --from llm-council-mcp-server llm-council-setup
```
This automatically opens `http://127.0.0.1:5151` in your browser.
### Method B: Manual Clone (for Development)
If you want to modify the source code locally:
```bash
git clone https://github.com/salutaris91/llm-council-mcp-server.git
cd llm-council-mcp-server
python3 -m venv venv
source venv/bin/activate
# Install dependencies (either via requirements.txt or directly using pyproject.toml)
pip install -r requirements.txt # Or: pip install .
```
Run the Setup UI locally:
```bash
python3 setup_ui.py
```
---
## 🚀 Quick Start / First Run
Follow these steps to get up and running:
1. **Get an OpenRouter API Key:**
- Create an API key at **[openrouter.ai/keys](https://openrouter.ai/keys)**.
- *Note:* Make sure your OpenRouter account has a small funded balance, as each query runs multiple models in parallel.
2. **Launch the Setup UI:**
- Run `uvx --from llm-council-mcp-server llm-council-setup` in your terminal. This will automatically open the local configuration panel in your web browser.
3. **Configure Settings:**
- Paste your API key, select your preferred council and Chairman models, and click **Save**.
4. **Register the Server:**
- Under the **Install** section of the Setup UI, click the **Install** button next to your desired tool (Claude Code, Codex CLI, or Antigravity).
5. **Restart Your Tool:**
- Fully restart your MCP-enabled editor/client (e.g. reload Antigravity) to apply the changes.
6. **Start Deliberating:**
- In your chat client, run a query (see [Usage](#usage) below).
---
## Setup UI & Settings Storage
The Setup UI provides a user-friendly interface to manage your council settings. It features:
- **Language Switcher:** Toggle the UI dynamically between German and English.
- **Model Presets (Quick & Deep):** Instantly switch between fast models (for quick checks) and highly capable reasoning models (for deep architectural decisions).
- **Advanced / Expert Settings:** Adjust the AI's "creativity" (temperatures) for each of the three stages and configure custom token limits.
- **Auto-Open Browser Toggle:** Choose whether the Setup UI should automatically open your browser on startup.
- **Tool Installer:** View the status (Installed/Not Installed) and register/unregister the MCP server in Claude Code, Codex CLI, and Antigravity with a single click.
Your configuration is saved to a `settings.json` file in your user config directory (e.g., `~/Library/Application Support/llm-council` on macOS).
*Legacy Note:* If you have an existing `.env` file from manual setups, it will be automatically imported into `settings.json` on the first start, and can be safely removed afterwards.
---
## Usage
To use the council, simply ask your MCP host to query it, passing any code context you want it to evaluate.
**Example Prompts:**
* *"Use the council to get a second opinion on whether we should use Redis or an in-memory cache for this class."*
* *"Ask the council to review my implementation of this sorting algorithm."*
**What happens under the hood:**
The server will run the 3-stage consensus pipeline. Because this involves multiple parallel and sequential LLM calls, the tool response typically takes **30 to 120 seconds** to complete. Some hosts (Antigravity) show live progress, others (Codex) only a spinner — the call continues normally and typically takes 30–120 s depending on the models (occasionally a bit longer). Simply wait until the result appears. It will return a formatted Markdown report consisting of the Chairman's synthesis, followed by the individual models' responses and rankings.
---
## Tool Registration (Manual, alternative to Setup UI)
### 1. If installed via PyPI (Method A)
#### Claude Code
```bash
claude mcp add llm-council --scope user -- uvx --from llm-council-mcp-server llm-council-mcp
```
#### Codex CLI
Add to `~/.codex/config.toml`:
```toml
[mcp_servers.llm-council]
command = "uvx"
args = ["--from", "llm-council-mcp-server", "llm-council-mcp"]
```
#### Antigravity
Add to the configuration file located at `~/.gemini/config/mcp_config.json` (do not use `~/.gemini/antigravity/`):
```json
{
"mcpServers": {
"llm-council": {
"command": "uvx",
"args": ["--from", "llm-council-mcp-server", "llm-council-mcp"]
}
}
}
```
### 2. If cloned manually (Method B)
Replace `/path/to/venv/bin/python3` and `/path/to/llm-council-mcp/server.py` with your absolute paths.
#### Claude Code
```bash
claude mcp add llm-council --scope user -- /path/to/venv/bin/python3 /path/to/llm-council-mcp/server.py
```
#### Codex CLI (`~/.codex/config.toml`)
```toml
[mcp_servers.llm-council]
command = "/path/to/venv/bin/python3"
args = ["/path/to/llm-council-mcp/server.py"]
```
#### Antigravity (`~/.gemini/config/mcp_config.json`)
```json
{
"mcpServers": {
"llm-council": {
"command": "/path/to/venv/bin/python3",
"args": ["/path/to/llm-council-mcp/server.py"]
}
}
}
```
---
## 🛠️ Troubleshooting
* **Server not showing up in tool?**
- Fully restart the client application (Claude Code, Codex, or Antigravity). MCP servers are loaded on startup.
* **Antigravity isn't picking up the server?**
- Verify that the server is written to `~/.gemini/config/mcp_config.json`. If you manually created a file in `~/.gemini/antigravity/`, delete it and use the correct path.
* **OpenRouter API Errors (e.g. 401, 402)?**
- Open the Setup UI and double-check your API key. Make sure your OpenRouter account has positive credit.
* **Check the Logs:**
- Standard error logs are captured by your MCP host. Check your tool's log output or terminal window for details.
---
## Releasing (Maintainer)
This repository is set up with **Trusted Publishing** to PyPI via GitHub Actions. Releases are triggered tokenless using OIDC.
To release a new version:
1. Update the version string in `_version.py` (e.g. `0.1.4`).
2. Commit and push the changes to `main`.
3. Create and push a version tag matching `v*.*.*`:
```bash
git tag -a v0.1.4 -m "v0.1.4"
git push origin v0.1.4
```
4. GitHub Actions will automatically build the package and publish it to PyPI.
5. Create a GitHub Release referencing the new tag.
6. Run the Setup UI or installer to update your local configuration file to point to the new version pin.
---
## Credits
- **Original Idea:** Andrej Karpathy — [karpathy/llm-council](https://github.com/karpathy/llm-council)
- **Prompt/Workflow Templates:** Ported from [DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus)
- **This MCP Server:** Alexander Deja — [anderzlabs.de](https://www.anderzlabs.de/)
---
# Deutsche Version
## Inhaltsverzeichnis
- [Was das ist (und wie es funktioniert)](#was-das-ist-und-wie-es-funktioniert)
- [Installation & Setup](#installation--setup-1)
- [Schnellstart / Erster Lauf](#-schnellstart--erster-lauf)
- [Setup-UI & Speicherort der Einstellungen](#setup-ui--speicherort-der-einstellungen)
- [Nutzung](#nutzung)
- [Tool-Registrierung (Manuell)](#tool-registrierung-manuell-alternativ-zur-setup-ui)
- [Fehlerbehebung](#-fehlerbehebung)
- [Credits](#credits-1)
---
Ein schlanker, lokaler MCP-Server für deinen Mac basierend auf der Originalidee von Andrej Karpathy ([karpathy/llm-council](https://github.com/karpathy/llm-council)) mit Prompt-/Workflow-Vorlagen portiert aus [DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus). Er bildet den 3-Stufen-Workflow mit den **exakten Original-Prompts** direkt gegen OpenRouter nach, ohne Docker- oder NAS-Abhängigkeit. Nutzbar aus Claude Code, Codex CLI und Antigravity über MCP.
## Was das ist (und wie es funktioniert)
Dieses Tool bildet den Entscheidungsprozess des Originalprojekts in drei einfachen Schritten ab:
1. **Stufe 1 (Antworten):** Mehrere KI-Modelle beantworten deine Frage gleichzeitig und unabhängig voneinander.
2. **Stufe 2 (Bewerten):** Die Modelle lesen alle Antworten, ohne zu wissen, welches Modell welche Antwort geschrieben hat (Blindverkostung). Jedes Modell bewertet die Antworten, um Eigenvoreingenommenheit zu verhindern.
3. **Stufe 3 (Zusammenfassen):** Ein finales "Chairman"-Modell liest alle Antworten und Bewertungen und verfasst eine ausgewogene Zusammenfassung für dich. Sollte das Chairman-Modell ausfallen, springt automatisch ein anderes Modell ein.
Die KI-Anweisungen (Prompts) und Einstellungen wurden exakt aus dem Originalprojekt übernommen, um die gleiche hohe Qualität der Antworten zu garantieren.
### Was aktuell bewusst weggelassen wurde (für maximale Einfachheit – später als optionale Funktionen geplant):
- **Web-Suche / Internetzugriff in Stufe 1:** Modelle antworten aktuell basierend auf ihrem Wissen und dem Kontext. (Als optionale Funktion für spätere Releases geplant).
- **Bearbeitbare Prompt-Vorlagen / Eigene Rollen (z. B. Kritiker-Modus) in der UI:** Prompt-Vorlagen sind für stabile Ergebnisse fest hinterlegt. (Als optionaler Einstellungsbereich geplant).
- **Chat-Verlauf & Interaktive Diskussion:** Aktuell für präzise Einzelanfragen konzipiert. (Ein optionaler Diskussionsmodus zwischen Client und Chairman zur gemeinschaftlichen Ermittlung benötigter Dateien ist geplant).
- **Direkter Dateizugriff:** Der Server liest deine Dateien aus Sicherheits- und Einfachheitsgründen nicht selbst. Dein Client (Claude Code, Antigravity) liest den Code aus und übergibt ihn automatisch.
---
## Installation & Setup
### Methode A: Schnellstart via PyPI (Empfohlen)
Du kannst die Setup-Oberfläche direkt über PyPI ausführen, ohne das Repository klonen zu müssen (erfordert ein installiertes [uv](https://github.com/astral-sh/uv), z. B. installierbar via `curl -LsSf https://astral.sh/uv/install.sh | sh` oder `brew install uv`):
```bash
uvx --from llm-council-mcp-server llm-council-setup
```
Dies öffnet automatisch `http://127.0.0.1:5151` in deinem Browser.
### Methode B: Manueller Klon (für Entwickler)
Wenn du den Quellcode lokal anpassen möchtest:
```bash
git clone https://github.com/salutaris91/llm-council-mcp-server.git
cd llm-council-mcp-server
python3 -m venv venv
source venv/bin/activate
# Abhängigkeiten installieren (entweder über requirements.txt oder pyproject.toml)
pip install -r requirements.txt # Oder: pip install .
```
Lokale Setup-UI starten:
```bash
python3 setup_ui.py
```
---
## 🚀 Schnellstart / Erster Lauf
Befolge diese Schritte, um direkt loszulegen:
1. **OpenRouter API-Key holen:**
- Erstelle einen API-Key auf **[openrouter.ai/keys](https://openrouter.ai/keys)**.
- *Hinweis:* Stelle sicher, dass dein OpenRouter-Konto ein kleines Guthaben aufweist, da pro Anfrage mehrere Modell-Aufrufe parallel durchgeführt werden.
2. **Setup-UI starten:**
- Führe `uvx --from llm-council-mcp-server llm-council-setup` im Terminal aus. Dadurch öffnet sich die lokale Konfigurationsoberfläche in deinem Browser.
3. **Einstellungen konfigurieren:**
- Trage deinen API-Key ein, wähle deine bevorzugten Council- und Chairman-Modelle und klicke auf **Speichern**.
4. **Server registrieren:**
- Klicke im Bereich **Install** der Setup-UI auf den Button **Install** neben dem Tool deiner Wahl (Claude Code, Codex CLI oder Antigravity).
5. **Tool neu starten:**
- Starte deinen MCP-Client / Editor (z. B. Antigravity) komplett neu, um die Registrierung zu laden.
6. **Council anfragen:**
- Stelle deine Frage im Chat-Interface (siehe [Nutzung](#nutzung-1) unten).
---
## Setup-UI & Speicherort der Einstellungen
Die Setup-UI bietet eine benutzerfreundliche Oberfläche zur Verwaltung deiner Council-Einstellungen. Zu den Features gehören:
- **Sprachumschalter:** Wechselt die UI dynamisch zwischen Deutsch und Englisch.
- **Modell-Presets (Schnell & Deep):** Ermöglicht das sofortige Umschalten zwischen schnellen Modellen (für schnelle Checks) und hochentwickelten Reasoning-Modellen (für tiefgehende Architekturfragen).
- **Profi-Modus / Erweiterte Einstellungen:** Passe die „Kreativität“ der KI (Temperaturen) für jede der drei Stufen individuell an und definiere maximale Token-Limits.
- **Browser Auto-Open Toggle:** Wähle aus, ob die Setup-UI beim Start automatisch den Browser öffnen soll.
- **Tool-Installer:** Zeigt den aktuellen Installationsstatus an und ermöglicht die Registrierung/Entfernung des MCP-Servers in Claude Code, Codex CLI und Antigravity mit einem Klick.
Deine Konfiguration wird in einer `settings.json`-Datei im Konfigurationsverzeichnis (z. B. `~/Library/Application Support/llm-council` unter macOS) gespeichert.
*Migration:* Falls noch eine alte `.env`-Datei aus manuellen Setups vorhanden ist, wird diese beim ersten Start automatisch in die `settings.json` importiert und kann danach gelöscht werden.
---
## Nutzung
Um den Council zu nutzen, bitte einfach deinen MCP-Client darum, das Tool `ask_council` aufzurufen und übergib die Frage sowie den zu prüfenden Code.
**Beispiel-Prompts:**
* *"Nutze den Council für eine zweite Meinung dazu, ob wir für diese Klasse Redis oder einen In-Memory-Cache nehmen sollten."*
* *"Frag den Council nach einem Review für meine Implementierung dieses Sortieralgorithmus."*
**Was im Hintergrund passiert:**
Der Server führt die 3 Stufen des Council-Prozesses durch. Da dies mehrere parallele und sequenzielle LLM-Aufrufe erfordert, dauert die Antwort in der Regel **30 bis 120 Sekunden**. Manche Hosts (Antigravity) zeigen Live-Fortschritt, andere (Codex) nur einen Spinner — der Call läuft dabei ganz normal weiter und dauert je nach Modellen typischerweise 30–120 s (gelegentlich etwas länger). Einfach warten, bis das Ergebnis erscheint. Du erhältst einen formatierten Markdown-Report mit der Synthese des Chairmans, gefolgt von den Antworten der Einzelmodelle sowie deren Rankings.
---
## Tool-Registrierung (Manuell, alternativ zur Setup-UI)
### 1. Bei Installation via PyPI (Methode A)
#### Claude Code
```bash
claude mcp add llm-council --scope user -- uvx --from llm-council-mcp-server llm-council-mcp
```
#### Codex CLI
Trage Folgendes in `~/.codex/config.toml` ein:
```toml
[mcp_servers.llm-council]
command = "uvx"
args = ["--from", "llm-council-mcp-server", "llm-council-mcp"]
```
#### Antigravity
Trage Folgendes in die Konfigurationsdatei unter `~/.gemini/config/mcp_config.json` ein (nutze nicht `~/.gemini/antigravity/`):
```json
{
"mcpServers": {
"llm-council": {
"command": "uvx",
"args": ["--from", "llm-council-mcp-server", "llm-council-mcp"]
}
}
}
```
### 2. Bei manuellem Klon (Methode B)
Ersetze `/pfad/zu/venv/bin/python3` und `/pfad/zu/llm-council-mcp/server.py` mit deinen absoluten Pfaden.
#### Claude Code
```bash
claude mcp add llm-council --scope user -- /pfad/zu/venv/bin/python3 /pfad/zu/llm-council-mcp/server.py
```
#### Codex CLI (`~/.codex/config.toml`)
```toml
[mcp_servers.llm-council]
command = "/pfad/zu/venv/bin/python3"
args = ["/pfad/zu/llm-council-mcp/server.py"]
```
#### Antigravity (`~/.gemini/config/mcp_config.json`)
```json
{
"mcpServers": {
"llm-council": {
"command": "/pfad/zu/venv/bin/python3",
"args": ["/pfad/zu/llm-council-mcp/server.py"]
}
}
}
```
---
## 🛠️ Fehlerbehebung
* **Server erscheint nicht im Tool?**
- Starte die Client-Anwendung (Claude Code, Codex oder Antigravity) komplett neu. MCP-Server werden beim Start geladen.
* **Antigravity erkennt den Server nicht?**
- Überprüfe, ob der Server-Eintrag in `~/.gemini/config/mcp_config.json` steht. Falls du manuell eine Datei in `~/.gemini/antigravity/` angelegt hast, lösche diese und nutze den korrekten Pfad.
* **Fehler beim Aufruf von OpenRouter (z. B. 401, 402)?**
- Öffne die Setup-UI und kontrolliere deinen API-Key. Vergewissere dich, dass dein OpenRouter-Konto über ausreichend Guthaben verfügt.
* **Logs einsehen:**
- Fehlermeldungen werden von deinem MCP-Client erfasst. Siehe in den Logs des Editors oder im Terminalfenster nach Details.
---
## Releasing (Maintainer)
Dieses Repository verwendet **Trusted Publishing** über GitHub Actions, um Releases vollautomatisch auf PyPI zu veröffentlichen. Das Publishing erfolgt tokenlos mittels OIDC.
Ablauf für ein neues Release:
1. Versionsnummer in `_version.py` anpassen (z. B. `0.1.4`).
2. Änderungen committen und auf `main` pushen.
3. Versions-Tag erstellen und pushen (muss auf `v*.*.*` passen):
```bash
git tag -a v0.1.4 -m "v0.1.4"
git push origin v0.1.4
```
4. GitHub Actions baut und veröffentlicht das Paket automatisch auf PyPI.
5. Ein GitHub-Release für den neuen Tag erstellen.
6. Die Setup-UI oder den Installer ausführen, um die lokale Konfigurationsdatei auf den neuen Versions-Pin zu aktualisieren.
---
## Credits
- **Originalidee:** Andrej Karpathy — [karpathy/llm-council](https://github.com/karpathy/llm-council)
- **Prompt-/Workflow-Vorlage:** Portiert aus [DmitryBMsk/llm-council-plus](https://github.com/DmitryBMsk/llm-council-plus)
- **Dieser MCP-Server:** Alexander Deja — [anderzlabs.de](https://www.anderzlabs.de/)
```
MCP 配置
以下是此 MCP Server 的配置信息，可直接复制到 Cursor 或其他 MCP 客户端中使用。
mcp.json
连接信息
猜你喜欢
暂无推荐服务器