Zen MCP Server

🚀 Zen MCP：多工作流，一上下文

zen_web.webm

Zen MCP是您喜愛的編碼代理（Claude 或 Gemini CLI）的終極開發夥伴，它是一個模型上下文協議服務器，可讓您訪問多個AI模型，以增強代碼分析、解決問題和協同開發的能力。

具備真正的AI編排能力，對話可跨工作流延續 —— 給Claude一個複雜的工作流，讓它自動在各個模型之間進行編排。Claude掌控全局，執行實際工作，但會從最適合每個子任務的AI獲取觀點。藉助諸如planner（用於分解複雜項目）、analyze（用於理解代碼庫）、codereview（用於代碼審核）、refactor（用於改進代碼結構）、debug（用於解決複雜問題）和precommit（用於驗證更改）等工具，Claude可以在一次對話中切換不同的工具和模型，並且上下文能夠無縫延續。

示例工作流 - Claude Code：

1. 使用Gemini Pro和O3進行代碼審查，並使用planner生成詳細計劃，實施修復，最後繼續之前的代碼審查進行預提交檢查
2. 這將觸發一個codereview工作流，Claude會遍歷代碼，查找各種問題
3. 經過多次檢查後，收集相關代碼並記錄沿途發現的問題
4. 保持一個置信度級別，包括探索中、低、中、高和確定，以跟蹤它發現和識別問題的置信程度
5. 生成一份從關鍵到次要問題的詳細列表
6. 與Gemini Pro共享相關文件、發現等內容，以進行第二次codereview的深入研究
7. 收到回覆後，對O3進行同樣的操作，如果有新發現則添加到提示中
8. 完成後，Claude收集所有反饋並合併成一份從關鍵到次要問題的單一列表，包括代碼中的良好模式。如果Claude誤解或遺漏了關鍵內容，而其他模型指出了這一點，最終列表將包含新發現或修訂內容
9. 如果需要進行重大重構，它將使用planner工作流將工作分解為更簡單的步驟
10. 然後Claude執行修復突出問題的實際工作
11. 完成後，Claude返回Gemini Pro進行precommit審查

所有這些都在一個對話線程中完成！第11步中的Gemini Pro知道第7步中O3的建議！它會考慮該上下文和審查結果，以協助進行最終的預提交審查。

可以將其視為Claude Code的增強版。這個MCP並非魔法，它只是一種強大的粘合劑。

請記住： Claude始終完全掌控，但您才是決策者。 Zen的設計初衷是讓Claude僅在需要時調用其他模型，並進行有意義的來回交互。 您是那個精心設計強大提示的人，讓Claude引入Gemini、Flash、O3 —— 或者獨自完成任務。 您是引導者、提示者、操控者。

您才是真正智能的AI。

因為這些AI模型 在閒聊時顯然並非如此 →

🚀 快速開始

快速導航

• 入門指南

  • 快速上手（5分鐘） - 5分鐘內啟動項目
  • 可用工具 - 所有工具概述
  • AI間對話 - 多輪對話

• 工具參考

  • chat - 協作思考
  • thinkdeep - 深度推理
  • challenge - 批判性挑戰提示
  • planner - 交互式分步規劃
  • consensus - 多模型共識分析
  • codereview - 代碼審查
  • precommit - 預提交驗證
  • debug - 調試幫助
  • analyze - 文件分析
  • refactor - 智能代碼重構
  • tracer - 調用流映射和依賴跟蹤
  • testgen - 包含邊界情況的測試生成
  • secaudit - 包含OWASP分析的安全審計
  • docgen - 包含複雜度分析的文檔生成

• 高級用法

  • 高級特性 - AI間對話、大提示、網頁搜索
  • 完整高級指南 - 模型配置、思考模式、工作流、工具參數

• 設置與支持

  • WSL設置指南 - Windows子系統Linux配置
  • 故障排除指南 - 常見問題和調試步驟
  • 許可證 - Apache 2.0

為什麼選擇這個服務器？

Claude非常出色，但有時您需要：

• 引導式工作流 - 以開發者為中心的流程，強制進行系統調查，確保Claude在每個階段都徹底檢查代碼，防止倉促分析（debug、precommit、refactor、analyze、codereview）
• 多個AI視角 - 讓Claude在不同模型之間進行編排，以獲得最佳分析結果
• 自動模型選擇 - Claude為每個任務選擇合適的模型（或者您可以指定）
• 資深開發者夥伴 來驗證和拓展想法（chat）
• 複雜架構決策的第二意見 - 藉助Gemini Pro、O3或通過自定義端點使用數十種其他模型的視角來增強Claude的思考能力（thinkdeep）
• 獲取多個專家意見 - 讓不同的AI模型對您的想法進行辯論（有些支持，有些批判），以幫助您做出更好的決策（consensus）
• 專業代碼審查 並提供可操作的反饋，覆蓋整個代碼庫（codereview）
• 預提交驗證 利用最適合的模型進行深入分析（precommit）
• 專家調試 - O3用於解決邏輯問題，Gemini用於解決架構問題（debug）
• 超越Claude限制的擴展上下文窗口 - 將整個代碼庫、大型數據集或全面文檔的分析委託給Gemini（100萬個令牌）或O3（20萬個令牌）
• 模型特定優勢 - Gemini Pro用於深度思考，Flash用於快速迭代，O3用於強大推理，Ollama用於本地隱私保護
• 本地模型支持 - 通過Ollama、vLLM或LM Studio在本地運行Llama 3.2等模型，以保護隱私並控制成本
• 動態協作 - 模型可以在分析過程中向Claude請求額外的上下文和後續回覆
• 智能文件處理 - 自動擴展目錄，根據模型容量管理令牌限制
• 視覺支持 - 使用支持視覺的模型分析圖像、圖表、截圖和視覺內容
• 繞過MCP的令牌限制 - 自動解決MCP的25K限制問題
• 跨會話上下文恢復 - 即使Claude的上下文重置，也能繼續對話，其他模型會保留完整歷史記錄

專業提示：上下文恢復

這是一個極其強大的功能，怎麼強調都不為過：

這個對話延續系統最驚人的副作用是，即使Claude的上下文重置或壓縮，由於延續信息保存在MCP的內存中，您可以要求它繼續與o3討論計劃，它會立即恢復Claude的上下文，因為O3知道之前討論的內容，並會以一種重新激發Claude理解的方式將其傳達回來。所有這些都無需浪費上下文讓Claude再次攝入冗長的文檔或代碼，並重新提示它與另一個模型進行通信。Zen在內部管理這些。模型的響應比自動摘要更能以更好的上下文恢復Claude對討論的理解。

📖 閱讀關於這個革命性系統如何工作的完整技術深度剖析

這個服務器將多個AI模型編排成您的開發團隊，Claude會自動為每個任務選擇最佳模型，或者允許您根據不同的優勢選擇特定的模型。

使用的提示：

仔細研究代碼，深入思考其功能，然後查看是否有性能優化的空間，與Gemini就此事進行頭腦風暴以獲取反饋，然後通過首先使用`measure`添加單元測試並測量當前代碼，然後實施優化並再次測量以確保性能得到改善，最後分享結果。在進行調整時，中途與Gemini進行核對。

最終實現使所選庫的JSON解析性能提高了26%，通過Gemini的分析和Claude的優化指導，有針對性地進行協作優化，減少了處理時間。

快速上手（5分鐘）

前提條件

• Python 3.10+（推薦3.12）
• Git
• Windows用戶：Claude Code CLI需要WSL2

1. 獲取API密鑰（至少需要一個）

選項A：OpenRouter（通過一個API訪問多個模型）

• OpenRouter：訪問 OpenRouter 以通過一個API訪問多個模型。設置指南
  • 直接在OpenRouter儀表板中控制模型訪問和支出限制
  • 在conf/custom_models.json中配置模型別名

選項B：原生API

• Gemini：訪問 Google AI Studio 並生成API密鑰。為了在使用Gemini 2.5 Pro時獲得最佳效果，請使用付費API密鑰，因為免費層對最新模型的訪問有限。
• OpenAI：訪問 OpenAI平臺 獲取O3模型的API密鑰。
• X.AI：訪問 X.AI控制檯 獲取GROK模型的API密鑰。
• DIAL：訪問 DIAL平臺 獲取通過其統一API訪問多個模型的API密鑰。DIAL是一個開源的AI編排平臺，提供對主要供應商、開源社區和自託管部署的模型的供應商無關訪問。API文檔

選項C：自定義API端點（本地模型，如Ollama、vLLM） 請參閱設置指南。使用自定義API，您可以：

• Ollama：在本地免費運行Llama 3.2等模型進行推理
• vLLM：自託管推理服務器，用於高吞吐量推理
• LM Studio：具有OpenAI兼容API接口的本地模型託管
• Text Generation WebUI：流行的本地模型運行界面
• 任何OpenAI兼容API：用於您自己基礎設施的自定義端點

注意： 如果使用多個提供商選項，當模型名稱重疊時，可能會產生關於使用哪個提供商或模型的歧義。 如果所有API都已配置，當模型名稱衝突時，如gemini和o3，原生API將優先使用。 在conf/custom_models.json中配置您的模型別名併為它們指定唯一的名稱

2. 選擇安裝方法

選項A：使用uvx快速安裝

前提條件：首先安裝 uv（uvx需要）

{
  "mcpServers": {
    "zen": {
      "command": "sh",
      "args": [
        "-c",
        "exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
      ],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "OPENAI_API_KEY": "your_api_key_here"
      }
    }
  }
}

{
  "mcpServers": {
    "zen": {
      "command": "sh",
      "args": [
        "-c",
        "exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
      ],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "OPENAI_API_KEY": "your_api_key_here"
      }
    }
  }
}

{
  "mcpServers": {
    "zen": {
      "command": "sh",
      "args": [
        "-c",
        "exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
      ],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "OPENAI_API_KEY": "your_api_key_here"
      }
    }
  }
}

此方法的優點：

• 零設置 - uvx會自動處理一切
• 始終保持最新 - 每次運行時都會拉取最新版本
• 無需本地依賴 - 無需設置Python環境即可工作
• 即時可用 - 立即可以使用

選項B：傳統克隆和設置方法

# 克隆到您喜歡的位置
git clone https://github.com/BeehiveInnovations/zen-mcp-server.git
cd zen-mcp-server

# 一鍵設置，將Zen安裝到Claude中
./run-server.sh

# 或者對於使用PowerShell的Windows用戶：
./run-server.ps1

# 查看Claude的MCP配置
./run-server.sh -c

# PowerShell：
./run-server.ps1 -Config

# 查看更多幫助信息
./run-server.sh --help

# PowerShell：
./run-server.ps1 -Help

此方法的優點：

• 自動設置一切 - Python環境、依賴項、配置
• 配置Claude集成 - 添加到Claude Code CLI並指導桌面設置
• 即時可用 - 無需手動配置
• 也適用於Gemini CLI - 請參閱Gemini CLI設置進行配置

更新後：每次git pull後，始終再次運行./run-server.sh以確保一切保持最新。

Windows用戶：如果使用WSL，請參閱WSL設置指南以獲取詳細說明。

3. 添加API密鑰

# 編輯.env文件以添加您的API密鑰（如果尚未在環境中設置）
nano .env

# 文件將包含以下內容，至少應設置一個：
# GEMINI_API_KEY=your-gemini-api-key-here  # 用於Gemini模型
# OPENAI_API_KEY=your-openai-api-key-here  # 用於O3模型
# OPENROUTER_API_KEY=your-openrouter-key  # 用於OpenRouter（請參閱docs/custom_models.md）
# DIAL_API_KEY=your-dial-api-key-here      # 用於DIAL平臺

# 對於DIAL（可選配置）：
# DIAL_API_HOST=https://core.dialx.ai      # 默認DIAL主機（可選）
# DIAL_API_VERSION=2024-12-01-preview      # API版本（可選）
# DIAL_ALLOWED_MODELS=o3,gemini-2.5-pro    # 限制使用特定模型（可選）

# 對於本地模型（Ollama、vLLM等）：
# CUSTOM_API_URL=http://localhost:11434/v1  # Ollama示例
# CUSTOM_API_KEY=                                      # Ollama留空
# CUSTOM_MODEL_NAME=llama3.2                          # 默認模型

# 注意：至少需要一個API密鑰或自定義URL

無需重啟：服務器每次Claude調用工具時都會讀取.env文件，因此更改會立即生效。

下一步：現在從項目文件夾的終端運行claude，使其連接到新添加的mcp服務器。 如果您已經在運行claude代碼會話，請退出並啟動新會話。

如果為Claude桌面進行設置

需要確切的配置？ 運行./run-server.sh -c以顯示具有正確路徑的特定平臺設置說明。

1. 打開Claude桌面配置：設置 → 開發者 → 編輯配置
2. 複製./run-server.sh -c顯示的配置 到您的claude_desktop_config.json中
3. 重啟Claude桌面 以使更改生效

4. 開始使用！

只需自然地向Claude提問：

• "使用zen深入思考這個架構設計" → Claude選擇最佳模型 + thinkdeep
• "使用zen對這段代碼進行安全問題的代碼審查" → Claude可能選擇Gemini Pro + codereview
• "使用zen調試為什麼這個測試失敗，問題可能出在my_class.swift中" → Claude可能選擇O3 + debug
• "使用zen分析這些文件以瞭解數據流" → Claude選擇合適的模型 + analyze
• "使用flash根據policy.md中提到的規範建議如何格式化這段代碼" → 專門使用Gemini Flash
• "深入思考這個問題，並讓o3調試我在checkOrders()函數中發現的邏輯錯誤" → 專門使用O3
• "與pro頭腦風暴擴展策略。研究代碼，選擇您喜歡的策略，並與pro辯論以確定兩個最佳方法" → 專門使用Gemini Pro
• "使用local-llama對這個項目進行本地化並添加缺失的翻譯" → 通過自定義URL使用本地Llama 3.2
• "首先使用local-llama進行快速本地分析，然後使用opus進行全面的安全審查" → 按順序使用兩個提供商

✨ 主要特性

可用工具

這些不僅僅是工具，它們是讓Claude像真正的開發者一樣思考的方式。與匆忙回覆表面觀點或淺顯見解不同，這些工作流讓Claude停下來，深入研究您的代碼，並逐步推理解決問題。

這就像匆忙猜測和真正理解您代碼的專注的第二雙眼睛之間的區別。試試這些工具，感受其中的不同。

快速工具選擇指南：

• 需要思考夥伴？ → chat（頭腦風暴想法、獲取第二意見、驗證方法）
• 需要深度思考？ → thinkdeep（擴展分析、發現邊緣情況）
• 想避免“您絕對正確！”的回覆？ → challenge（挑戰假設、鼓勵深思熟慮的重新評估）
• 需要分解複雜項目？ → planner（分步規劃、項目結構、分解複雜想法）
• 需要多個視角？ → consensus（從多個AI模型獲取關於提案和決策的不同專家意見）
• 代碼需要審查？ → codereview（查找漏洞、安全和性能問題）
• 預提交驗證？ → precommit（在提交前驗證git更改）
• 有東西壞了？ → debug（系統調查、逐步分析根本原因）
• 想理解代碼？ → analyze（理解架構、模式、依賴關係）
• 代碼需要重構？ → refactor（以分解為重點的智能代碼重構）
• 需要調用流分析？ → tracer（生成用於執行跟蹤和依賴映射的提示）
• 需要全面測試？ → testgen（生成包含邊緣情況的測試套件）
• 有安全顧慮？ → secaudit（進行OWASP分析、合規性評估、漏洞評估）
• 代碼需要文檔？ → docgen（生成包含複雜度分析的全面文檔）
• 想知道有哪些可用模型？ → listmodels（顯示所有配置的提供商和模型）
• 想了解服務器信息？ → version（顯示版本和配置詳細信息）

自動模式：當DEFAULT_MODEL=auto時，Claude會自動為每個任務選擇最佳模型。您可以通過以下方式覆蓋："使用flash進行快速分析" 或 "使用o3調試這個問題"。

模型選擇示例：

• 複雜架構審查 → Claude選擇Gemini Pro
• 快速格式檢查 → Claude選擇Flash
• 邏輯調試 → Claude選擇O3
• 一般解釋 → Claude選擇Flash以提高速度
• 本地分析 → Claude選擇您的Ollama模型

專業提示：（針對Gemini模型的）思考模式控制深度與令牌成本的平衡。對於快速任務，使用 "minimal" 或 "low"；對於複雜問題，使用 "high" 或 "max"。瞭解更多

工具概述：

1. chat - 協作思考和開發對話
2. thinkdeep - 擴展推理和問題解決
3. challenge - 批判性挑戰提示，防止 您絕對正確！
4. planner - 用於複雜項目的交互式順序規劃
5. consensus - 具有立場引導的多模型共識分析
6. codereview - 具有嚴重程度級別的專業代碼審查
7. precommit - 在提交前驗證git更改
8. debug - 系統調查和調試
9. analyze - 通用文件和代碼分析
10. refactor - 以分解為重點的代碼重構
11. tracer - 用於調用流映射的靜態代碼分析提示生成器
12. testgen - 包含邊緣情況覆蓋的全面測試生成
13. secaudit - 包含OWASP Top 10分析的全面安全審計
14. docgen - 包含複雜度分析的全面文檔生成
15. listmodels - 按提供商組織顯示所有可用AI模型
16. version - 獲取服務器版本和配置

1. chat - 通用開發聊天與協作思考

它是您進行頭腦風暴、獲取第二意見和驗證方法的思考夥伴。非常適合技術比較、架構討論和協作解決問題。

與zen討論我React應用中用戶認證的最佳方法

📖 閱讀更多 - 詳細特性、示例和最佳實踐

2. thinkdeep - 擴展推理夥伴

獲取第二意見以增強Claude自身的深度思考能力。使用專門的思考模型挑戰假設、識別邊緣情況並提供替代視角。

按鈕點擊時不會動畫，似乎有其他東西攔截了點擊。收集相關代碼並將文件交給Gemini Pro後，使用thinkdeep找出根本原因

📖 閱讀更多 - 增強的分析能力和批判性評估過程

3. challenge - 批判性挑戰提示

鼓勵對陳述進行深思熟慮的重新評估，而不是自動同意，特別是當您犯錯時。 它會在您的輸入周圍添加批判性思考和誠實分析的指令。

challenge 不將這個函數添加到基類中是不是個壞主意？

通常，您喜歡的編碼代理會熱情地回覆 “您絕對正確！” —— 然後完全顛倒 正確 的策略，卻從不解釋您為什麼錯了。

📖 閱讀更多 - 自信地挑戰方法或驗證想法

4. planner - 交互式分步規劃

通過逐步思考將複雜項目或想法分解為可管理的結構化計劃。非常適合向現有系統添加新功能、擴展系統設計、遷移策略和具有分支和修訂功能的架構規劃。

專業提示

Claude支持子任務，它會生成並運行單獨的後臺任務。您可以要求Claude使用Zen的planner處理兩個不同的想法。完成後，使用Zen的consensus工具傳遞整個計劃，並從兩個強大的AI模型獲取專家意見，以確定首先處理哪個想法！就像一次性進行 AB 測試而無需等待！

創建兩個單獨的子任務：一個使用planner工具展示如何為我的烹飪應用添加自然語言支持；另一個子任務使用planner規劃如何為我的烹飪應用添加語音筆記支持。完成後，通過與o3和flash共享兩個計劃啟動共識，以確定我首先實施哪個。

📖 閱讀更多 - 分步規劃方法和多會話延續

5. consensus - 多模型視角收集

從多個AI模型獲取關於技術提案和決策的不同專家意見。支持立場引導（支持/反對/中立）和結構化決策制定。

使用flash支持和Gemini Pro反對的立場進行共識評估，以確定為項目添加功能X是否是個好主意。向它們傳遞其功能摘要。

📖 閱讀更多 - 多模型編排和決策分析

6. codereview - 專業代碼審查

進行全面的代碼分析，提供優先反饋和嚴重程度級別。這個工作流工具引導Claude進行系統調查步驟，在每個步驟之間強制暫停，以確保徹底檢查代碼、識別問題並在提供專家分析之前進行質量評估。

使用Gemini Pro進行代碼審查，特別是auth.py，因為我覺得有些代碼繞過了安全檢查，可能存在更多潛在漏洞。查找並共享相關代碼。

提示：

• 為避免額外的API成本，添加do not use another model以在本地運行整個代碼審查工作流。
• 如果您想 始終 諮詢外部模型（建議用於代碼審查），無論Claude對識別問題的置信度如何，使用must codereview using <model name>。這確保即使Claude對識別的問題 確定，也會諮詢該模型。

📖 閱讀更多 - 具有分步分析的專業審查工作流

7. precommit - 預提交驗證

對多個代碼庫中暫存/未暫存的git更改進行全面審查。這個工作流工具引導Claude對git更改、代碼庫狀態和文件修改進行系統調查，在多個步驟後提供專家驗證，以確保更改滿足要求並防止迴歸。

使用o3進行全面的預提交檢查，我們只想突出關鍵問題，沒有阻礙因素，沒有迴歸。我需要100%確信這涵蓋了FIX_ISSUE_ABC.md中列出的所有邊緣情況。

實際示例：

• 我要求Claude（sonnet-4）重構一些代碼以修復已知的bug；給了它確切的指令
• 修復看起來正確 —— 乍一看，更改也是如此。
• 更重要的是，所有現有的單元測試（540多個單元測試）都順利通過。沒有迴歸。Claude似乎很自信並急於提交。一切看起來都很完美。

然後我運行了：

運行預提交檢查，使用o3確認我們的更改是合理的，差異是有效的。確認這不會導致破損、迴歸，並且沒有代碼異味。

這將跟蹤和未跟蹤的更改/差異以及相關代碼通過Zen的precommit工具傳遞給o3進行全面審查。

輸出：

⏺ 預提交分析結果 - 發現關鍵問題

  O3模型在我們的重構中識別出一個高嚴重級別的迴歸和幾個中/低級別問題。以下是總結：

  🚨 高嚴重級別 - 提交前必須修復

  ...

報告的問題實際上是一個非常微妙的bug，在快速檢查中被忽略了 —— 顯然缺少針對這個確切情況的單元測試（在現有的540多個單元測試中！） - 這解釋了為什麼沒有報告迴歸。最終修復很簡單，但Claude（以及延伸來說，我）忽略了這個問題，這是一個鮮明的提醒：再多的眼睛也不夠。修復問題後，再次使用o3運行precommit，得到：

建議：繼續提交

不錯！這只是一個例子 - 查看這裡的另一個例子。

提示：

• 為避免額外的API成本，添加do not use another model以在本地運行整個預提交工作流。在大多數情況下，建議這樣做，因為Claude通常在最後能以高置信度識別根本原因。
• 如果您想 始終 諮詢外部模型，無論Claude的置信度如何，使用must precommit using <model name>。這確保即使Claude對問題 確定，也會諮詢該模型。

當有疑問時，您始終可以跟進一個新提示，要求Claude與另一個模型分享其發現：

使用延續功能與thinkdeep一起，與o4-mini分享詳細信息，找出這個問題的最佳修復方法。

📖 閱讀更多 - 多代碼庫驗證和更改分析

8. debug - 專家調試助手

進行系統調查引導的調試，引導Claude逐步分析根本原因。這個工作流工具強制執行結構化調查過程，Claude在多個步驟中進行有條理的代碼檢查、證據收集和假設形成，然後從選定的AI模型獲取專家分析。當Claude在調查工作流中達到 100%確定 時，將跳過通過另一個模型進行的專家分析，以節省令牌和成本，Claude將直接進行問題修復。

查看/Users/me/project/diagnostics.log下的日誌以及sync文件夾下的相關代碼。日誌顯示同步工作正常，但有時會卡住，並且沒有向用戶顯示錯誤。使用zen的debug工具與Gemini Pro找出原因和根本原因以及修復方法。

提示：

• 為避免額外的API成本，添加do not use another model以在本地運行整個調試工作流。在大多數情況下，建議這樣做，因為Claude通常在最後能以高置信度識別根本原因。
• 如果您想 始終 諮詢外部模型，無論Claude的置信度如何，使用must debug using <model name>。這確保即使Claude對問題 確定，也會諮詢該模型。

當有疑問時，您始終可以跟進一個新提示，要求Claude與另一個模型分享其發現：

使用延續功能與thinkdeep一起，與o4-mini分享詳細信息，找出這個問題的最佳修復方法。

📖 閱讀更多 - 具有工作流強制執行的分步調查方法

9. analyze - 智能文件分析

進行通用代碼理解和探索。這個工作流工具引導Claude對代碼結構、模式和架構決策進行系統調查，在多個步驟中收集全面見解，然後提供專家分析，用於架構評估、模式檢測和戰略改進建議。

使用Gemini分析main.py以瞭解其工作原理

📖 閱讀更多 - 具有分步調查的全面分析工作流

10. refactor - 智能代碼重構

進行全面的重構分析，採用自上而下的分解策略。這個工作流工具對代碼異味、分解機會和現代化可能性進行系統調查，在多個步驟中確保徹底分析，然後提供專家重構建議和精確的實施指導。

使用Gemini Pro將my_crazy_big_class.m分解為更小的擴展

📖 閱讀更多 - 由工作流驅動的重構與漸進式分析

11. tracer - 靜態代碼分析提示生成器

創建用於調用流映射和依賴跟蹤的詳細分析提示。生成結構化分析請求，用於精確執行流或依賴映射。

使用zen tracer分析UserAuthManager.authenticate的使用方式和原因

📖 閱讀更多 - 提示生成和分析模式

12. testgen - 全面測試生成

根據現有代碼和測試框架生成包含邊緣情況覆蓋的全面測試套件。這個工作流工具引導Claude對代碼功能、關鍵路徑、邊緣情況和集成點進行系統調查，在多個步驟後生成包含現實失敗模式分析的全面測試。

使用zen為User.login()方法生成測試

📖 閱讀更多 - 基於工作流的測試生成，具有全面覆蓋

13. secaudit - 全面安全審計

進行基於OWASP的系統安全評估和合規性評估。這個工作流工具引導Claude進行有條不紊的安全調查步驟，在每個步驟之間強制暫停，以確保徹底的漏洞評估、安全模式分析和合規性驗證，然後提供專家分析。

使用o3對這個電子商務Web應用進行安全審計，重點關注支付處理安全和PCI DSS合規性

📖 閱讀更多 - 包含合規框架支持的OWASP Top 10分析

14. docgen - 全面文檔生成

生成包含複雜度分析和注意事項識別的全面文檔。這個工作流工具引導Claude對代碼結構、函數複雜度和文檔需求進行系統調查，在多個步驟後生成全面文檔，包括算法複雜度、調用流信息和開發者應該瞭解的意外行為。

# 包括複雜度大O表示法，記錄依賴關係/代碼流，修復現有陳舊文檔
使用docgen為UserManager類生成全面文檔

# 包括複雜度大O表示法，記錄依賴關係/代碼流
使用docgen為我添加的所有新Swift函數添加複雜度分析，但不更新現有代碼

📖 閱讀更多 - 基於工作流的文檔生成，帶有注意事項檢測

15. listmodels - 列出可用模型

按提供商組織顯示所有可用的AI模型，顯示其功能、上下文窗口和配置狀態。

使用zen列出可用模型

📖 閱讀更多 - 模型功能和配置詳細信息

16. version - 服務器信息

獲取服務器版本、配置詳細信息和系統狀態，用於調試和故障排除。

我使用的zen版本是多少

📖 閱讀更多 - 服務器診斷和配置驗證

有關詳細的工具參數和配置選項，請參閱高級用法指南。

提示支持

Zen支持在Claude Code中使用強大的結構化提示，以便快速訪問工具和模型：

工具提示

• /zen:chat ask local-llama what 2 + 2 is - 使用聊天工具和自動選擇的模型
• /zen:thinkdeep use o3 and tell me why the code isn't working in sorting.swift - 使用深度思考工具和自動選擇的模型
• /zen:planner break down the microservices migration project into manageable steps - 使用規劃工具和自動選擇的模型
• /zen:consensus use o3:for and flash:against and tell me if adding feature X is a good idea for the project. Pass them a summary of what it does. - 使用共識工具和默認配置
• /zen:codereview review for security module ABC - 使用代碼審查工具和自動選擇的模型
• /zen:debug table view is not scrolling properly, very jittery, I suspect the code is in my_controller.m - 使用調試工具和自動選擇的模型
• /zen:analyze examine these files and tell me what if I'm using the CoreAudio framework properly - 使用分析工具和自動選擇的模型
• /zen:docgen generate comprehensive documentation for the UserManager class with complexity analysis - 使用文檔生成工具和自動選擇的模型

延續提示

• /zen:chat continue and ask gemini pro if framework B is better - 繼續上一次對話，使用聊天工具

高級示例

• /zen:thinkdeeper check if the algorithm in @sort.py is performant and if there are alternatives we could explore
• /zen:planner create a step-by-step plan for migrating our authentication system to OAuth2, including dependencies and rollback strategies
• /zen:consensus debate whether we should migrate to GraphQL for our API
• /zen:precommit confirm these changes match our requirements in COOL_FEATURE.md
• /zen:testgen write me tests for class ABC
• /zen:docgen document the payment processing module with gotchas and complexity analysis
• /zen:refactor propose a decomposition strategy, make a plan and save it in FIXES.md

語法格式

提示格式為：/zen:[tool] [your_message]

• [tool] - 任何可用的工具名稱（chat、thinkdeep、planner、consensus、codereview、debug、analyze、docgen等）
• [your_message] - 您的請求、問題或工具指令

注意：所有提示在Claude Code中都會顯示為 "(MCP) [tool]"，以表明它們由MCP服務器提供。

高級特性

AI間對話線程

這個服務器實現了Claude和多個AI模型之間的 真正AI協作，它們可以跨工具和對話進行協調和基於彼此的見解進行構建。

📖 閱讀更多 - 多模型協調、對話線程和協作工作流

配置

通過.env文件中的環境變量配置Zen MCP Server。支持多個AI提供商、模型限制、對話設置和高級選項。

# 快速開始 - 自動模式（推薦）
DEFAULT_MODEL=auto
GEMINI_API_KEY=your-gemini-key
OPENAI_API_KEY=your-openai-key
DIAL_API_KEY=your-dial-key  # 可選：通過DIAL訪問多個模型

關鍵配置選項：

• API密鑰：原生API（Gemini、OpenAI、X.AI）、OpenRouter、DIAL或自定義端點（Ollama、vLLM）
• 模型選擇：自動模式或特定模型默認值
• 使用限制：控制可使用的模型以控制成本
• 對話設置：超時、輪次限制、內存配置
• 思考模式：用於擴展推理的令牌分配
• 日誌記錄：調試級別和操作可見性

📖 閱讀更多 - 完整配置參考和示例

測試

有關運行測試的信息，請參閱測試指南。

貢獻

我們歡迎貢獻！請參閱我們的全面指南：

• 貢獻指南 - 代碼標準、PR流程和要求
• 添加新提供商 - 添加AI提供商的分步指南

📄 許可證

本項目採用Apache 2.0許可證 - 詳情請參閱LICENSE文件。

致謝

藉助 多模型AI 協作的力量構建 🤝

• 真正人類的 實際智能
• MCP（模型上下文協議），由Anthropic提供
• Claude Code - 您的AI編碼助手和編排器
• Gemini 2.5 Pro & 2.0 Flash - 深度思考和快速分析
• OpenAI O3 - 強大推理和通用智能

星標歷史