内容
# 多模型中转服务器
**将 Claude Code 的任务委托给其他公司的模型 — 无需离开应用程序**
这是一个小型 MCP（模型上下文协议）服务器，作为您主要编码代理和您访问的每个其他模型之间的“服务员”。Claude Code 仍然是编排器；服务员接收订单并将其发送到您指向的任何“厨房”：
- **Codex CLI** → GPT-5.6 Sol / Terra / Luna（通过您的 ChatGPT 订阅，无需 API 费用）
- **DeepSeek**（DS4 Flash / Pro）通过直接 API
- **z.ai**（GLM 5.2）通过编码计划订阅
- **OpenRouter** → 他们目录中的任何模型
- **LM Studio** → 您机器上的本地模型或局域网中的其他机器，免费
相同的模式适用于任何支持 MCP 的代理 — 这里除了注册之外，没有任何特定于 Claude 的内容。
## 工具列表
| 工具 | 功能 |
|---|---|
| `list_models` | 返回菜单：每个启用的模型及其确切的 ID 和提供商状态（缺少密钥、离线本地服务器等） |
| `delegate_task` | 将自包含的任务发送到选择的模型并返回其答案，标记为来源和令牌使用情况 |
委托的细节，均源自以下的基准测试：选择每次调用的 Codex 模型（`codex:gpt-5.6-luna`），设置每次调用的推理努力（`effort`适用于 Codex、z.ai 和 OpenRouter），**每个提供商的并发队列**（z.ai 和 LM Studio 静默地阻塞并行调用 — 服务器现在会排队），可配置的每个提供商的超时时间，以及**自动重试**网络中断 / 429 / 5xx（答案页脚显示 `repescada 1×`，当第二次尝试成功时）。
## 快速开始
```bash
git clone https://github.com/dpmadsen/multimodels-mcp.git
cd multimodels-mcp
npm install
npm run build
# 复制密钥模板并填写您使用的内容
cp .env.example .env
# 在 Claude Code 中注册（用户范围 = 在每个项目中可用）
claude mcp add --scope user multimodels -- node "$(pwd)/dist/index.js"
```
然后询问 Claude： *"使用 list_models 工具并给我展示菜单"*。
## 配置提供商
- **`config/models.json`** — 存在哪些提供商、它们的基准 URL 和哪些模型已启用。添加 OpenAI 兼容的提供商是一个 JSON 块；启用一个模型是其 `models` 数组中的一行。
- **`.env`** — 仅 API 密钥。永远不要放在 models.json 中，也不要放在代码中。服务器在每次调用时读取 models.json（编辑后立即生效）；`.env` 在启动时读取（添加密钥后重启服务器）。
- **本地控制面板** — `npm run panel` 打开一个 localhost 页面（http://127.0.0.1:4747）来管理密钥和切换模型。密钥仅显示最后 4 位；面板绑定到 localhost。
- **Codex 通道** — 需要安装 [Codex CLI](https://github.com/openai/codex) 并登录。它使用您的 `~/.codex/config.toml` 设置的模型（CLI 接受 `-m gpt-5.6-luna` 等）。
- **z.ai 注意** — 编码计划订阅密钥仅适用于编码端点（`https://api.z.ai/api/coding/paas/v4`）。在通用端点上，它们会因“余额不足”而失败。默认配置已经指向正确的端点。
## 基准测试：你能真正信任谁来处理委托工作？
[`benchmark/`](benchmark/) 文件夹包含一个完整的评估运行通过此服务器：**6 个站点 × 11 个模型 × 3 轮 = 198 次运行**，由在任何模型看到任务之前编写的隐藏测试套件评分。站点：从规范构建、查找和修复错误、带有种子错误的 code review、严格的 JSON 提取、一个长期的复合交付和在缺少上下文时的诚实。
亮点：
- GPT-5.6 Codex 家族（包括 Luna，$1/M 输入）取得了 **54/54 完美运行**，并 9 次验证了不存在的幻觉文件而不是编造修复。
- Sonnet 5 和 Haiku 4.5 在 3 次运行中的 2 次失败了相同的分发合约 — 而每个廉价的委托都通过了 9/9。
- 严格的 JSON 提取：所有模型中 33/33。解决了问题。
- 单次运行的基准测试在两个方向上都失败了；三轮测试改变了半数的结论。
基准测试中需要的一切都在文件夹中：站点提示（`benchmark/estacoes/`，葡萄牙语）、自动化评分器（`benchmark/corretores/`）和每个原始响应（`benchmark/respostas/`）。
### 轮次 2 — 真实任务而非合成站点
七个实施者（Claude、GPT-5.6 和 GLM 通道，代理和纯文本）构建了**相同的真实功能**的此服务器，每个功能都在一个隔离的 git 分支上，通过 12 个隐藏的验收检查进行判断： [`benchmark/rodada2-implementacao/`](benchmark/rodada2-implementacao/)。Sonnet 5 在细粒度审查中获胜；纯文本通道揭示了它们的两个盲点（上下文和验证）。
### 轮次 3 — 知识截止轮次
由 Reddit 评论区设计：13 个通道 × 2 个站点 × 3 轮，推理努力受控，一个站点构建对抗 **实际安装的 zod v4**： [`benchmark/rodada3-esforco-e-cutoff/`](benchmark/rodada3-esforco-e-cutoff/)。廉价模型在推理方面没有失败 — 它们在知道年份方面失败了（0/14 九比九的陷阱，18/18 纯推理）。只有两种防御：文件访问或新鲜的训练数据。
还有一个交互式决策报告（葡萄牙语）整合了所有三轮： [`benchmark/relatorio-decisao.html`](benchmark/relatorio-decisao.html)。
## 仓库备注
- 该项目完全通过 vibecoding 构建，使用的语言是葡萄牙语。原件以葡萄牙语作为构建的一部分保留，每个文档都有英文版本： [CLAUDE.en.md](CLAUDE.en.md)（工作说明）、 [CHANGELOG.en.md](CHANGELOG.en.md)（项目日记）、 [benchmark/README.md](benchmark/README.md)（基准测试指南）和 [benchmark/estacoes/en/](benchmark/estacoes/en/)（站点提示）。
- 基准测试运行使用葡萄牙语提示； `benchmark/respostas/` 中的原始模型响应故意不翻译 — 它们是证据。评分器是语言独立的。
- 测试：`npm test`.
## 许可证
[MIT](LICENSE)
MCP 市场