Ai Connect

🚀 AI-Connect

AI-Connect 是一個基於 MCP 的通信橋樑，可實現不同機器上的 AI 編碼助手之間的通信。

德語版本

🚀 快速開始

橋接服務器快速設置

橋接服務器運行在專用機器（如迷你 PC、樹莓派、家庭服務器）上，並接受所有客戶端的連接。

# 1. 克隆項目
cd ~/projects
git clone git@github.com:Peuqui/AI-Connect.git
cd AI-Connect

# 2. 創建虛擬環境並安裝依賴
python3 -m venv venv
source venv/bin/activate
pip install fastmcp websockets aiosqlite pyyaml

# 3. 將橋接服務器設置為 systemd 服務
sudo tee /etc/systemd/system/ai-connect.service << 'EOF'
[Unit]
Description=AI-Connect Bridge Server
After=network.target

[Service]
Type=simple
User=YOUR_USERNAME
WorkingDirectory=/path/to/AI-Connect
ExecStart=/path/to/AI-Connect/venv/bin/python -m server.main
Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target
EOF

# 4. 啟用並啟動服務
sudo systemctl daemon-reload
sudo systemctl enable ai-connect
sudo systemctl start ai-connect

# 5. 檢查狀態
sudo systemctl status ai-connect

MCP 客戶端快速設置（每臺機器）

每臺需要通過橋接進行通信的機器都需要 MCP 客戶端。

1. 克隆項目並安裝依賴

cd ~/projects
git clone git@github.com:Peuqui/AI-Connect.git
cd AI-Connect

python3 -m venv venv
source venv/bin/activate
pip install fastmcp websockets aiosqlite pyyaml

2. 創建配置文件

重要提示：host 必須是橋接服務器的 IP，而不是 0.0.0.0！

mkdir -p ~/.config/ai-connect
cat > ~/.config/ai-connect/config.yaml << 'EOF'
bridge:
  host: "192.168.0.252"  # 橋接服務器的 IP
  port: 9999

peer:
  name: "YOUR_PEER_NAME"  # 例如，"dev"、"mini"、"laptop"
  auto_connect: true
EOF

3. 將 MCP HTTP 服務器設置為服務

# 創建 systemd 用戶服務
mkdir -p ~/.config/systemd/user

cat > ~/.config/systemd/user/ai-connect-mcp.service << 'EOF'
[Unit]
Description=AI-Connect MCP HTTP Server
After=network.target

[Service]
Type=simple
WorkingDirectory=/path/to/AI-Connect
ExecStart=/path/to/AI-Connect/venv/bin/python -m client.http_server
Restart=always
RestartSec=5
Environment=PYTHONUNBUFFERED=1

[Install]
WantedBy=default.target
EOF

# 啟用並啟動服務
systemctl --user daemon-reload
systemctl --user enable ai-connect-mcp.service
systemctl --user start ai-connect-mcp.service

4. 在 VSCode/Claude Code 中註冊 MCP 服務器

創建或編輯 ~/.vscode-server/data/User/mcp.json（或 ~/.config/Code/User/mcp.json）：

{
  "servers": {
    "ai-connect": {
      "type": "sse",
      "url": "http://127.0.0.1:9998/sse"
    }
  }
}

5. Claude Code 權限設置（可選）

若要跳過工具確認對話框，請在 ~/.claude/settings.json 中添加以下內容：

{
  "permissions": {
    "allow": [
      "mcp__ai-connect__peer_list",
      "mcp__ai-connect__peer_send",
      "mcp__ai-connect__peer_read",
      "mcp__ai-connect__peer_history",
      "mcp__ai-connect__peer_context",
      "mcp__ai-connect__peer_status",
      "mcp__ai-connect__peer_wait"
    ]
  }
}

6. 重啟 Claude Code

配置完成後，重啟 VS Code / Claude Code 以加載 MCP 客戶端。

✨ 主要特性

• 多智能體通信：AI 助手可以跨機器交換消息。
• 所羅門原則：多智能體達成共識以做出更好的決策（AIfred/Sokrates/Salomo）。
• SSE 傳輸：使用穩定的 HTTP/SSE 連接，而非 STDIO。
• 離線消息：消息會被存儲，直到接收方上線。
• 基於項目的對等名稱：例如，"Aragon (myproject)" 或 "mini (AI-Connect)"。

⚠️ 重要提示

這是一個早期/粗糙的實現。它可以工作，但有侷限性，請參閱下面的當前限制。

📚 詳細文檔

為何開發此項目

經過廣泛研究，我們發現目前沒有現有的解決方案能夠讓 AI 模型以簡單、具備網絡功能的方式直接相互發送消息並自主協調，且由 AI 自行決定何時進行通信。

現有的多智能體框架（需要在代碼中以編程方式定義智能體）和編排工具（由人類或中央控制器分配任務）均無法實現多個 交互式 Claude Code 會話 在不同機器上進行點對點通信，也無法讓 AI 自行決定何時尋求幫助或提供建議。

AI-Connect 填補了這一空白。它簡單、具備網絡功能且能夠正常工作。但由於 Claude Code 的架構，它也存在一些侷限性。

使用場景

• 代碼審查：一個 Claude 負責實現代碼，另一個進行嚴格審查。
• 突破困境：當一個 Claude 遇到難題時，向另一個尋求新的思路。
• 客戶端 - 服務器設置：配置分佈式系統，服務器運行在一臺機器上，客戶端運行在另一臺機器上 - Claude 實例可以協調配置，檢查需要在何處安裝哪些軟件，並保持所有內容同步，無需在會話之間手動複製粘貼。
• 多機器部署：任何在不同計算機上處理相關任務的場景。

概念

• 橋接服務器：在專用機器上 24/7 運行，通過 WebSocket（端口 9999）在對等方之間路由消息。
• MCP HTTP 服務器：在 每臺 需要 Claude Code 進行通信的機器上運行（SSE，端口 9998）。
• 持久連接：每個 MCP HTTP 服務器都與橋接服務器保持永久的 WebSocket 連接。

重要提示：如果要在橋接服務器所在的機器上運行 Claude Code，該機器也需要安裝 MCP HTTP 服務器！

可用的 MCP 工具

使用示例

• 檢查狀態：

"Show me the AI-Connect status"

• 顯示對等方：

"Who is currently online?"

• 發送消息：

"Ask mini what they think about this approach"

• 共享上下文：

"Send mini the code from api.py lines 42-58"

• 讀取消息：

"Did anyone write to me?"

• 廣播：

"Ask everyone if someone has time for a review"

架構

AI-Connect/
├── server/                 # 橋接服務器（運行在專用機器上）
│   ├── main.py             # 入口點
│   ├── websocket_server.py # WebSocket 處理程序
│   ├── peer_registry.py    # 對等方管理（在線/離線）
│   └── message_store.py    # SQLite 歷史記錄 + 離線消息傳遞
│
├── client/                 # MCP 客戶端（運行在每臺機器上）
│   ├── http_server.py      # FastMCP HTTP/SSE 服務器
│   ├── server.py           # FastMCP STDIO 服務器（可選）
│   ├── bridge_client.py    # 持久 WebSocket 連接
│   └── tools.py            # MCP 工具實現
│
├── skills/                 # Claude Code 技能
│   └── advisor/            # 顧問模式技能
│       └── SKILL.md
│
└── config.yaml             # 示例配置

關鍵細節

• SSE 傳輸：MCP HTTP 服務器使用 Server-Sent Events (SSE) 與 VSCode/Claude Code 建立穩定連接。
• 基於項目的對等名稱：對等方以 Name (Project) 的形式註冊，例如 "Aragon (myproject)" 或 "mini (AI-Connect)"。
• 唯一客戶端 ID：如果有多個實例，會在名稱後附加 PID，例如 "Aragon#12345 (myproject)"。
• 離線消息：當對等方離線時，橋接服務器會將消息存儲在 SQLite 中，並在對等方上線後進行傳遞。
• 心跳機制：客戶端每 25 秒發送一次 ping，服務器在 60 秒後移除不活躍的對等方。

所羅門原則（多智能體共識）

AI-Connect 支持 所羅門原則，通過多智能體共識做出更好的決策。

角色

工作流程

1. AIfred 處理任務，遇到重要決策。
2. 通過 peer_context 共享上下文，並通過 peer_send 發送問題。
3. Sokrates 進行批判性分析並提出替代方案。
4. 達成共識：繼續執行。出現分歧：由 Salomo 決定。

投票規則

• 多數（2/3）：用於正常決策。
• 一致（3/3）：用於關鍵架構變更。
• 標籤：[LGTM] = 批准，[CONTINUE] = 尚未完成。

/advisor 技能

技能 skills/advisor/SKILL.md 可激活顧問模式：

# 在 Claude Code 中安裝技能
mkdir -p ~/.claude/skills/advisor
cp skills/advisor/SKILL.md ~/.claude/skills/advisor/

然後使用 /advisor 激活顧問模式。Claude 實例將進入輪詢循環，每 2 秒檢查一次傳入消息。重要提示：所有發送和接收的消息都會顯示給用戶 - 您可以查看 AI 實例之間的完整對話。

故障排除

檢查橋接服務器

# 服務狀態
sudo systemctl status ai-connect

# 即時日誌
journalctl -u ai-connect -f

# 檢查端口
ss -tlnp | grep 9999

測試連接

# 從任何機器
nc -zv 192.168.0.252 9999

檢查 MCP 客戶端

# 列出 MCP 服務器
claude mcp list

# 客戶端日誌
tail -f ~/.config/ai-connect/mcp.log

常見問題

配置參考

~/.config/ai-connect/config.yaml

bridge:
  host: "192.168.0.252"  # 橋接服務器的 IP（不是 0.0.0.0！）
  port: 9999             # 橋接服務器的端口

peer:
  name: "dev"            # 此對等方的唯一名稱
  auto_connect: true     # 啟動時自動連接

環境變量

當前限制

這是一個早期/粗糙的實現。它可以工作，但遠不夠完善：

• 需要輪詢：Claude Code 沒有外部觸發機制。要接收消息，實例必須通過 peer_read 主動輪詢。/advisor 技能以 2 秒的循環進行輪詢 - 就像汽車在怠速時消耗燃料一樣。雖然可以工作，但會浪費令牌卻沒有實際作用。
• 無法使用外部觸發：我們深入研究了 Claude Code 的 鉤子系統。UserPromptSubmit 鉤子可以注入上下文，但僅在用戶發送消息時有效 - 因此您仍需要輸入一些內容才能接收消息。目前根本無法從外部中斷或向正在運行的 Claude Code 會話發送信號。這是當前 Claude Code 架構的一個基本限制。
• 沒有推送通知：當消息到達時，無法通知正在工作的 Claude 實例。接收實例必須處於空閒狀態並進行輪詢。
• 手動共享上下文：您需要顯式使用 peer_context 來共享代碼。沒有自動感知其他實例正在處理的內容的機制。

核心問題

在 Claude Code（或 Anthropic）實現外部觸發/中斷功能之前，真正的即時多智能體協作最多隻能是一種變通方法。輪詢方法雖然有效，但不夠優雅 - 而且會浪費令牌卻沒有實際作用。

如果您找到更好的方法，歡迎提交拉取請求！

⭐ 星標歷史

📄 許可證

本項目採用 MIT 許可證。