mcp-aurai-server - 支持多輪對話與文件上傳，為GLM-4.7模型優化的MCP遠程指導服務器

探索

MCP Aurai Server

這是一個讓本地AI獲取遠程AI指導的MCP服務器，支持多輪對話、文件上傳和智能對話管理，特別針對GLM-4.7模型優化。

開發者工具人工智能聊天機器人 #AI顧問 #文件上傳 #多輪對話 #智能管理 .Python

評分 : 2.5分

下載量 : 6.5K

更新時間 : 2026-03-13

打開站點

什麼是上級顧問MCP？

上級顧問MCP是一個智能橋樑服務器，當您在編程或技術工作中遇到難題時，您的本地AI助手（如Claude Code）可以通過這個服務器自動向遠程的上級AI專家（如GLM-4.7、GPT-4o等）請求專業指導。它就像為您的AI助手配備了一位隨時待命的資深技術顧問。

如何使用上級顧問MCP？

使用非常簡單：1) 安裝並配置服務器；2) 在Claude Code中正常對話；3) 當遇到複雜問題時，AI會自動調用上級顧問；4) 獲取專業建議後繼續工作。整個過程無縫銜接，您只需要專注於描述問題。

適用場景

• 調試複雜的運行時錯誤 • 解決架構設計難題 • 代碼評審和優化建議 • 學習新技術概念 • 處理大型代碼庫的分析 • 需要專業領域知識的編程問題

主要功能

智能多輪對話

上級AI能夠進行深度追問和逐步分析，像真正的技術專家一樣層層深入解決問題，而不是簡單的單次回答。

文件上傳支持 ⭐

支持上傳代碼文件和文檔（.txt和.md格式），大文件會自動分批發送，確保上級AI能看到完整的上下文信息。

智能對話管理

自動檢測新問題並清空歷史對話，確保每次諮詢都有乾淨的上下文，避免信息混淆。

GLM-4.7優化

專門針對智譜AI的GLM-4.7模型進行優化，支持200K超長上下文，適合處理大型代碼庫和文檔。

智能工具引導

在工具描述中推薦相關工具，幫助您瞭解何時使用文件上傳、進度報告等功能。

對話歷史持久化

自動保存對話歷史到用戶目錄，即使重啟應用也能繼續之前的諮詢會話。

優勢

🎯 專業級指導：獲取比本地AI更深入、更專業的分析建議

🔄 無縫集成：與Claude Code等工具完美融合，使用體驗流暢

📁 大文件支持：能處理大型代碼文件和文檔，適合複雜項目

🧠 智能上下文：自動管理對話歷史，保持諮詢的連貫性和準確性

🔧 靈活配置：支持多種AI服務商（只要兼容OpenAI API）

💾 離線友好：對話歷史本地保存，保護隱私

侷限性

🌐 需要網絡：依賴遠程AI服務，需要穩定的網絡連接

💰 可能產生費用：使用第三方AI服務可能產生API調用費用

⚙️ 初始配置：需要一定的技術知識進行初始安裝和配置

📶 響應時間：受網絡和遠程服務影響，響應可能比本地AI慢

🔌 依賴兼容性：需要AI助手支持MCP協議

如何使用

安裝準備

確保已安裝Python 3.8+和Claude Code，然後下載上級顧問MCP服務器代碼。

創建虛擬環境

創建獨立的Python環境以避免依賴衝突。

安裝依賴

安裝服務器所需的所有依賴包。

配置Claude Code

將服務器添加到Claude Code的MCP配置中，使用user範圍確保所有項目可用。

重啟並開始使用

重啟Claude Code，在對話中描述編程問題，AI會自動調用上級顧問。

使用案例

調試運行時錯誤

當代碼運行時出現難以理解的錯誤信息時，讓上級AI幫助分析根本原因。

代碼架構評審

需要專家意見來評審和改進代碼架構設計。

大型項目分析

需要理解複雜的代碼庫或分析大型項目結構。

常見問題

每次打開Claude Code都要重新安裝上級顧問嗎？

支持哪些AI服務商？

上傳文件有大小限制嗎？

如何確保對話隱私？

上級顧問和本地AI有什麼區別？

如何知道上級AI正在被調用？

🚀 上級顧問 MCP (Aurai Advisor)

上級顧問 MCP 是一個 MCP 服務器，可讓本地 AI 獲取遠程 AI 的指導，為編程問題解決提供有力支持。

🚀 快速開始

1. 安裝

# 進入項目目錄
cd mcp-aurai-server

# 創建虛擬環境
python -m venv venv
venv\Scripts\activate  # Windows
# source venv/bin/activate  # macOS/Linux

# 安裝依賴
pip install -e ".[all-dev]"

# 驗證安裝
python .ai_temp/test_file_upload_fix.py
# 預期: ✅ 所有測試通過！

2. 配置

重要: 使用 --scope user 確保在所有項目中都可用。

claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="your-api-key" \
  --env AURAI_BASE_URL="https://api.example.com/v1" \
  --env AURAI_MODEL="gpt-4o" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

3. 使用

重啟 Claude Code 後，在對話中直接描述編程問題：

我遇到了一個 KeyError 問題，錯誤信息是 'api_key' not found
相關代碼如下：
[粘貼代碼]

AI 會自動判斷是否調用 consult_aurai 工具。

✨ 主要特性

[OK] 多輪對話機制 - 智能追問，逐步解決問題
[OK] 智能對話管理 - 自動檢測新問題並清空歷史，確保乾淨的上下文
[OK] 智能工具引導 - 工具描述中包含相關工具推薦
[OK] 文件上傳支持 ⭐ - 支持通過 sync_context 上傳文件，大文件自動分批發送
[OK] GLM-4.7 優化 - 基於 GLM-4.7 模型參數硬編碼優化（200K 上下文）
[OK] 對話歷史持久化 - 自動保存到用戶目錄
[OK] GUI 配置工具 - 可視化配置生成

📦 安裝指南

v2.2.0 舊版用戶遷移指南

情況 1：使用 `custom` provider（OpenAI 兼容 API）的用戶 ✅

好消息：無需重新安裝或重新配置！

# 只需升級版本即可
cd D:\mcp-aurai-server
git pull origin main
pip install -e ".[all-dev]"

# 重啟 Claude Code，自動生效

✅ 新的環境變量（AURAI_CONTEXT_WINDOW、AURAI_MAX_MESSAGE_TOKENS、AURAI_MAX_TOKENS）是可選的
✅ 默認值已針對 GLM-4.7 優化（200K 上下文）
✅ 文件上傳修復是透明的，會自動生效

情況 2：使用 `zhipu`、`openai`、`anthropic`、`gemini` provider 的用戶 ❌

需要遷移：v2.2.0 移除了這些 provider，需要切換到 custom + OpenAI 兼容 API。 遷移步驟（以智譜 AI 為例）：

# 1. 刪除舊配置
claude mcp remove aurai-advisor -s user

# 2. 重新添加（使用 custom provider）
claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="your-api-key" \
  --env AURAI_BASE_URL="https://open.bigmodel.cn/api/paas/v4/" \
  --env AURAI_MODEL="glm-4.7" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

# 3. 重啟 Claude Code

各服務商遷移配置：

原提供商	新 AURAI_BASE_URL	推薦模型
`zhipu`	`https://open.bigmodel.cn/api/paas/v4/`	`glm-4.7`
`openai`	`https://api.openai.com/v1`	`gpt-4o`
`anthropic`	需使用第三方兼容 API	-
`gemini`	需使用第三方兼容 API	-

提示：升級後，建議運行 python .ai_temp/test_file_upload_fix.py 驗證文件上傳功能是否正常。

💻 使用示例

基礎用法

在對話中直接描述編程問題：

我遇到了一個 KeyError 問題，錯誤信息是 'api_key' not found
相關代碼如下：
[粘貼代碼]

AI 會自動判斷是否調用 consult_aurai 工具。

高級用法

sync_context 工具使用示例

# 場景 1: 上傳代碼文件（避免截斷）
shutil.copy('main.py', 'main.txt')  # 轉換為 .txt
sync_context(
    operation='incremental',
    files=['main.txt'],
    project_info={'language': 'Python'}
)

# 場景 2: 上傳文檔供評審
sync_context(
    operation='full_sync',
    files=['README.md', 'docs/設計文檔.md'],
    project_info={'task': 'code_review'}
)

📚 詳細文檔

文檔	說明
用戶手冊	完整使用指南
安裝指南	Claude Code 專用安裝
開發文檔	技術細節和架構

🔧 技術細節

GLM-4.7 Token 配置說明

本版本採用 GLM-4.7 模型參數作為默認值，同時支持通過環境變量覆蓋（適用於其他模型）：

配置項	默認值	環境變量	說明
`context_window`	200,000	`AURAI_CONTEXT_WINDOW`	GLM-4.7 上下文窗口上限
`max_message_tokens`	150,000	`AURAI_MAX_MESSAGE_TOKENS`	單條文件消息上限
`max_tokens`	32,000	`AURAI_MAX_TOKENS`	上級 AI 最大輸出長度

Token 分配策略：

200K (總上下文)
├── 32K (輸出) - 上級 AI 的分析回覆
└── 168K (輸入)
    ├── ~18K (系統 + 歷史 + 問題)
    ├── 150K (最大單條文件)
    └── ~ - 安全邊際

容量參考：

單文件上傳上限：~15 - 20 萬中文字符
上級 AI 輸出上限：~2 - 3 萬中文字符
對話歷史：約 10 - 15 輪完整對話

注意：默認值基於 GLM-4.7 優化，使用其他模型時可通過環境變量調整。

環境變量說明

必填

變量	說明	示例
`AURAI_API_KEY`	API 密鑰	`sk-xxx`
`AURAI_BASE_URL`	API 地址	`https://open.bigmodel.cn/api/paas/v4/`
`AURAI_MODEL`	模型名稱	`glm-4.7`

可選

變量	說明	默認值
`AURAI_TEMPERATURE`	溫度參數（0.0 - 2.0）	`0.7`
`AURAI_MAX_HISTORY`	對話歷史最大保存數	`50`
`AURAI_CONTEXT_WINDOW`	上下文窗口大小（tokens）	`200000`（基於 GLM-4.7）
`AURAI_MAX_MESSAGE_TOKENS`	單條消息最大 tokens	`150000`
`AURAI_MAX_TOKENS`	最大輸出 tokens	`32000`

Token 配置說明

默認值（基於 GLM-4.7）：

context_window: 200,000 tokens
max_message_tokens: 150,000 tokens
max_tokens: 32,000 tokens

其他模型參考：

Claude 3.5 Sonnet: 200,000 / 140,000 / 64,000
GPT-4o: 128,000 / 100,000 / 32,000
DeepSeek: 64,000 / 50,000 / 16,000

配置示例

# 使用智譜 AI GLM-4.7（推薦，使用默認值）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
AURAI_MODEL=glm-4.7
# Token 配置使用默認值，無需設置

# 使用 Claude 3.5 Sonnet（調整 Token 配置）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://api.anthropic.com
AURAI_MODEL=claude-3-5-sonnet-20241022
AURAI_CONTEXT_WINDOW=200000
AURAI_MAX_MESSAGE_TOKENS=140000
AURAI_MAX_TOKENS=64000

# 使用 DeepSeek（調整 Token 配置）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://api.deepseek.com/v1
AURAI_MODEL=deepseek-chat
AURAI_CONTEXT_WINDOW=64000
AURAI_MAX_MESSAGE_TOKENS=50000
AURAI_MAX_TOKENS=16000

# 使用其他兼容 API
AURAI_API_KEY=your-key
AURAI_BASE_URL=https://your-api.com/v1
AURAI_MODEL=your-model
# 根據模型規格調整 Token 配置

項目結構

mcp-aurai-server/
├── src/mcp_aurai/          # MCP Server 源代碼
│   ├── server.py           # 主服務器（4個工具）
│   ├── config.py           # 配置管理
│   ├── llm.py              # OpenAI 兼容客戶端
│   ├── prompts.py          # 提示詞模板
│   └── utils.py            # 工具函數
│
├── tools/
│   └── control_center.py   # GUI 配置工具
│
├── tests/                  # 測試用例
│   ├── test_server.py
│   ├── test_llm.py
│   └── test_config.py
│
├── docs/                   # 文檔
│   ├── 用戶手冊.md
│   ├── CLAUDE_CODE_INSTALL.md
│   └── 開發文檔.md
│
├── README.md               # 本文件
├── pyproject.toml          # 項目配置
└── .env.example            # 環境變量示例