Multi MCP

🚀 Multi-MCP: Claude Code用のマルチモデルコードレビューと分析MCPサーバー

自動コードレビューとLLMによる分析を行うためのマルチモデルAIオーケストレーションMCPサーバーです。Multi-MCPはClaude Code CLIと統合し、複数のAIモデル（OpenAI GPT、Anthropic Claude、Google Gemini）をオーケストレートして、コード品質チェック、セキュリティ分析（OWASP Top 10）、およびマルチエージェントコンセンサスを行います。このツールはModel Context Protocol (MCP) をベースに構築されており、Python開発者やDevOpsチームが開発ワークフロー内で直接AIによる洞察を得てコードレビューを自動化できるようになります。

✨ 主な機能

• 🔍 コードレビュー - OWASP Top 10セキュリティチェックとパフォーマンス分析を含むシステマティックなワークフロー
• 💬 チャット - リポジトリのコンテキストを考慮した対話型開発支援
• 🔄 比較 - アーキテクチャ決定のための並列マルチモデル分析
• 🎭 討論 - マルチエージェントコンセンサスワークフロー（独立した回答 + 批判）
• 🤖 マルチモデルサポート - OpenAI GPT、Anthropic Claude、Google Gemini、およびOpenRouter
• 🖥️ CLIとAPIモデル - CLIベース（Gemini CLI、Codex CLI）とAPIモデルを組み合わせる
• 🏷️ モデルエイリアス - mini、sonnet、geminiなどの短い名前を使用する
• 🧵 スレッディング - 多段階レビューでコンテキストを維持する

🚀 クイックスタート

前提条件

• Python 3.11以上
• 少なくとも1つのプロバイダー（OpenAI、Anthropic、Google、またはOpenRouter）のAPIキー

📦 インストール

オプション1: ソースからインストール

# クローンしてインストール
git clone https://github.com/religa/multi_mcp.git
cd multi_mcp
# ./scripts/install.shを実行
make install

# インストーラーは以下を行います:
# 1. 依存関係をインストールする (uv sync)
# 2. .envファイルを生成する
# 3. Claude Codeの設定に自動的に追加する (jqが必要)
# 4. インストールをテストする

オプション2: 手動設定

make installを実行したくない場合は、以下の手順を実行します。

# 依存関係をインストールする
uv sync

# .envをコピーして設定する
cp .env.example .env
# .envをAPIキーで編集する

Claude Code (~/.claude.json) に追加します。/path/to/multi_mcp を実際のクローンパスに置き換えてください。

{
  "mcpServers": {
    "multi": {
      "type": "stdio",
      "command": "/path/to/multi_mcp/.venv/bin/python",
      "args": ["-m", "multi_mcp.server"]
    }
  }
}

設定

環境設定 (APIキーと設定)

Multi-MCPは、以下の順序で.envファイルから設定を読み込みます（優先度が高いものから順）。

1. 環境変数（シェルですでに設定されている）
2. プロジェクトの.env（現在のディレクトリまたはプロジェクトルート）
3. ユーザーの.env (~/.multi_mcp/.env) - pipインストールのフォールバック

.envをAPIキーで編集します。

# APIキー (少なくとも1つを設定する)
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=...
OPENROUTER_API_KEY=sk-or-...

# Azure OpenAI (オプション)
AZURE_API_KEY=...
AZURE_API_BASE=https://your-resource.openai.azure.com/

# AWS Bedrock (オプション)
AWS_ACCESS_KEY_ID=...
AWS_SECRET_ACCESS_KEY=...
AWS_REGION_NAME=us-east-1

# モデル設定
DEFAULT_MODEL=gpt-5-mini
DEFAULT_MODEL_LIST=gpt-5-mini,gemini-3-flash

モデル設定 (カスタムモデルの追加)

モデルはYAML設定ファイルで定義されます（ユーザー設定が優先されます）。

1. パッケージのデフォルト: multi_mcp/config/config.yaml（パッケージに同梱されている）
2. ユーザーの上書き: ~/.multi_mcp/config.yaml（オプション、優先される）

独自のモデルを追加するには、~/.multi_mcp/config.yamlを作成します（例についてはとを参照）。

version: "1.0"

models:
  # 新しいAPIモデルを追加する
  my-custom-gpt:
    litellm_model: openai/gpt-4o
    aliases:
      - custom
    notes: "My custom GPT-4o configuration"

  # カスタムCLIモデルを追加する
  my-local-llm:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "llama3.2"
    cli_parser: text
    aliases:
      - local
    notes: "Local LLaMA via Ollama"

  # 既存のモデルの設定を上書きする
  gpt-5-mini:
    constraints:
      temperature: 0.5  # デフォルトの温度を上書きする

マージ動作:

• 新しいモデルはパッケージのデフォルトと並んで追加されます。
• 既存のモデルはマージされます（あなたの設定がパッケージのデフォルトを上書きします）。
• エイリアスはパッケージのモデルからあなたのカスタムモデルに「奪われる」ことがあります。

💻 使用例

Claude Codeにインストールしたら、以下のコマンドを使用できます。

基本的な使用法

💬 チャット - 対話型開発支援

Can you ask Multi chat what's the answer to life, universe and everything?

🔍 コードレビュー - 特定のモデルでコードを分析する

Can you multi codereview this module for code quality and maintainability using gemini-3 and codex?

🔄 比較 - 複数の視点を得る（デフォルトのモデルを使用）

Can you multi compare the best state management approach for this React app?

🎭 討論 - 批判を伴う深い分析

Can you multi debate the best project code name for this project?

高度な使用法

許可リストの有効化

~/.claude/settings.jsonを編集し、permissions.allowに以下の行を追加して、Claude Codeがユーザーの許可を求めることなくMulti MCPを使用できるようにします。

{
  "permissions": {
    "allow": [
      ...
      "mcp__multi__chat",
      "mcp__multi__codereview",
      "mcp__multi__compare",
      "mcp__multi__debate",
      "mcp__multi__models"
    ],
  },
  "env": {
    "MCP_TIMEOUT": "300000",
    "MCP_TOOL_TIMEOUT": "300000"
  },
}

モデルエイリアス

完全なモデル名の代わりに短いエイリアスを使用します。

multi:modelsを実行して、利用可能なすべてのモデルとエイリアスを表示します。

CLIモデル

Multi-MCPは、APIモデルと並行してCLIベースのAIモデル（Gemini CLI、Codex CLI、またはClaude CLIなど）を実行できます。CLIモデルはサブプロセスとして実行され、すべての既存のツールとシームレスに連携します。

利点:

• 完全なツールアクセス（ファイル操作、シェルコマンド）を持つモデルを使用する
• compareとdebateワークフローでAPIとCLIモデルを組み合わせる
• APIのオーバーヘッドなしでローカルCLIを活用する

組み込みのCLIモデル:

• gemini-cli（エイリアス: gem-cli） - 自動編集モード付きのGemini CLI
• codex-cli（エイリアス: cx-cli） - 完全自動モード付きのCodex CLI
• claude-cli（エイリアス: cl-cli） - acceptEditsモード付きのClaude CLI

カスタムCLIモデルの追加: ~/.multi_mcp/config.yamlに追加します（モデル設定を参照）。

version: "1.0"

models:
  my-ollama:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "codellama"
    cli_parser: text  # "json", "jsonl", or "text"
    aliases:
      - ollama
    notes: "Local CodeLlama via Ollama"

前提条件: CLIモデルには、それぞれのCLIツールがインストールされている必要があります。

# Gemini CLI
npm install -g @anthropic-ai/gemini-cli

# Codex CLI
npm install -g @openai/codex

# Claude CLI
npm install -g @anthropic-ai/claude-code

CLIの使用 (実験的)

Multi-MCPには、MCPクライアントを必要とせずにコードレビューを行うためのスタンドアロンCLIが含まれています。

⚠️ 重要提示

CLIは実験的で、積極的に開発中です。

# ディレクトリをレビューする
multi src/

# 特定のファイルをレビューする
multi src/server.py src/config.py

# 別のモデルを使用する
multi --model mini src/

# CI/パイプライン用のJSON出力
multi --json src/ > results.json

# 詳細なログ出力
multi -v src/

# プロジェクトルートを指定する (CLAUDE.mdの読み込み用)
multi --base-path /path/to/project src/

🔧 技術詳細

なぜMulti-MCPなのか？

動作原理

Multi-MCPは、Claude Codeが接続するMCPサーバーとして機能し、AIによるコード分析ツールを提供します。

1. MCPサーバーをインストールし、AIモデルのAPIキーを設定する
2. make installを介してClaude Code CLIと自動的に統合する
3. 自然言語を使用してツールを呼び出す（例: "multi codereview this file"）
4. 並列にオーケストレートされた複数のAIモデルから結果を取得する

パフォーマンス

高速なマルチモデル分析:

• ⚡ 並列実行 - ~10秒で3つのモデル（逐次実行の場合は~30秒）
• 🔄 非同期アーキテクチャ - 非ブロッキングのPython asyncio
• 💾 会話スレッディング - 多段階レビューでコンテキストを維持する
• 📊 低遅延 - 応答時間 = 最も遅いモデルの時間、すべてのモデルの合計時間ではない

📚 ドキュメント

トラブルシューティング

"No API key found"

• .envファイルに少なくとも1つのAPIキーを追加します。
• 読み込まれていることを確認します: uv run python -c "from multi_mcp.settings import settings; print(settings.openai_api_key)"

統合テストが失敗する

• RUN_E2E=1環境変数を設定します。
• APIキーが有効で十分なクレジットがあることを確認します。

デバッグモード:

export LOG_LEVEL=DEBUG # INFO is default
uv run python -m multi_mcp.server

詳細情報については、logs/server.logのログを確認してください。

FAQ

Q: すべての3つのAIプロバイダーが必要ですか？ A: いいえ、1つのAPIキー（OpenAI、Anthropic、またはGoogle）で開始するのに十分です。

Q: 本当に並列で実行されますか？ A: はい！codereview、compare、またはdebateツールを使用すると、すべてのモデルがPythonのasyncio.gather()を使用して同時に実行されます。これは、最も遅いモデルが応答するのにかかる時間で複数のモデルからの応答を得ることができ、すべての応答時間の合計ではないことを意味します。

Q: 同時にいくつのモデルを実行できますか？ A: 厳密な制限はありません！並列で任意の数のモデルを実行できます。実際には、ほとんどのユースケースで2 - 5つのモデルが適しています。すべてのツールは、あなたが構成したデフォルトのモデル（通常は2 - 3つ）を使用しますが、任意の数のモデルを指定できます。

📄 ライセンス

MITライセンス - 詳細についてはLICENSEファイルを参照してください。

リンク

• Issue Tracker
• Contributing Guide