Zen MCP Server

🚀 Zen MCP：多工作流，一上下文

zen_web.webm

Zen MCP是您喜爱的编码代理（Claude 或 Gemini CLI）的终极开发伙伴，它是一个模型上下文协议服务器，可让您访问多个AI模型，以增强代码分析、解决问题和协同开发的能力。

具备真正的AI编排能力，对话可跨工作流延续 —— 给Claude一个复杂的工作流，让它自动在各个模型之间进行编排。Claude掌控全局，执行实际工作，但会从最适合每个子任务的AI获取观点。借助诸如planner（用于分解复杂项目）、analyze（用于理解代码库）、codereview（用于代码审核）、refactor（用于改进代码结构）、debug（用于解决复杂问题）和precommit（用于验证更改）等工具，Claude可以在一次对话中切换不同的工具和模型，并且上下文能够无缝延续。

示例工作流 - Claude Code：

1. 使用Gemini Pro和O3进行代码审查，并使用planner生成详细计划，实施修复，最后继续之前的代码审查进行预提交检查
2. 这将触发一个codereview工作流，Claude会遍历代码，查找各种问题
3. 经过多次检查后，收集相关代码并记录沿途发现的问题
4. 保持一个置信度级别，包括探索中、低、中、高和确定，以跟踪它发现和识别问题的置信程度
5. 生成一份从关键到次要问题的详细列表
6. 与Gemini Pro共享相关文件、发现等内容，以进行第二次codereview的深入研究
7. 收到回复后，对O3进行同样的操作，如果有新发现则添加到提示中
8. 完成后，Claude收集所有反馈并合并成一份从关键到次要问题的单一列表，包括代码中的良好模式。如果Claude误解或遗漏了关键内容，而其他模型指出了这一点，最终列表将包含新发现或修订内容
9. 如果需要进行重大重构，它将使用planner工作流将工作分解为更简单的步骤
10. 然后Claude执行修复突出问题的实际工作
11. 完成后，Claude返回Gemini Pro进行precommit审查

所有这些都在一个对话线程中完成！第11步中的Gemini Pro知道第7步中O3的建议！它会考虑该上下文和审查结果，以协助进行最终的预提交审查。

可以将其视为Claude Code的增强版。这个MCP并非魔法，它只是一种强大的粘合剂。

请记住： Claude始终完全掌控，但您才是决策者。 Zen的设计初衷是让Claude仅在需要时调用其他模型，并进行有意义的来回交互。 您是那个精心设计强大提示的人，让Claude引入Gemini、Flash、O3 —— 或者独自完成任务。 您是引导者、提示者、操控者。

您才是真正智能的AI。

因为这些AI模型 在闲聊时显然并非如此 →

🚀 快速开始

快速导航

• 入门指南

  • 快速上手（5分钟） - 5分钟内启动项目
  • 可用工具 - 所有工具概述
  • AI间对话 - 多轮对话

• 工具参考

  • chat - 协作思考
  • thinkdeep - 深度推理
  • challenge - 批判性挑战提示
  • planner - 交互式分步规划
  • consensus - 多模型共识分析
  • codereview - 代码审查
  • precommit - 预提交验证
  • debug - 调试帮助
  • analyze - 文件分析
  • refactor - 智能代码重构
  • tracer - 调用流映射和依赖跟踪
  • testgen - 包含边界情况的测试生成
  • secaudit - 包含OWASP分析的安全审计
  • docgen - 包含复杂度分析的文档生成

• 高级用法

  • 高级特性 - AI间对话、大提示、网页搜索
  • 完整高级指南 - 模型配置、思考模式、工作流、工具参数

• 设置与支持

  • WSL设置指南 - Windows子系统Linux配置
  • 故障排除指南 - 常见问题和调试步骤
  • 许可证 - Apache 2.0

为什么选择这个服务器？

Claude非常出色，但有时您需要：

• 引导式工作流 - 以开发者为中心的流程，强制进行系统调查，确保Claude在每个阶段都彻底检查代码，防止仓促分析（debug、precommit、refactor、analyze、codereview）
• 多个AI视角 - 让Claude在不同模型之间进行编排，以获得最佳分析结果
• 自动模型选择 - Claude为每个任务选择合适的模型（或者您可以指定）
• 资深开发者伙伴 来验证和拓展想法（chat）
• 复杂架构决策的第二意见 - 借助Gemini Pro、O3或通过自定义端点使用数十种其他模型的视角来增强Claude的思考能力（thinkdeep）
• 获取多个专家意见 - 让不同的AI模型对您的想法进行辩论（有些支持，有些批判），以帮助您做出更好的决策（consensus）
• 专业代码审查 并提供可操作的反馈，覆盖整个代码库（codereview）
• 预提交验证 利用最适合的模型进行深入分析（precommit）
• 专家调试 - O3用于解决逻辑问题，Gemini用于解决架构问题（debug）
• 超越Claude限制的扩展上下文窗口 - 将整个代码库、大型数据集或全面文档的分析委托给Gemini（100万个令牌）或O3（20万个令牌）
• 模型特定优势 - Gemini Pro用于深度思考，Flash用于快速迭代，O3用于强大推理，Ollama用于本地隐私保护
• 本地模型支持 - 通过Ollama、vLLM或LM Studio在本地运行Llama 3.2等模型，以保护隐私并控制成本
• 动态协作 - 模型可以在分析过程中向Claude请求额外的上下文和后续回复
• 智能文件处理 - 自动扩展目录，根据模型容量管理令牌限制
• 视觉支持 - 使用支持视觉的模型分析图像、图表、截图和视觉内容
• 绕过MCP的令牌限制 - 自动解决MCP的25K限制问题
• 跨会话上下文恢复 - 即使Claude的上下文重置，也能继续对话，其他模型会保留完整历史记录

专业提示：上下文恢复

这是一个极其强大的功能，怎么强调都不为过：

这个对话延续系统最惊人的副作用是，即使Claude的上下文重置或压缩，由于延续信息保存在MCP的内存中，您可以要求它继续与o3讨论计划，它会立即恢复Claude的上下文，因为O3知道之前讨论的内容，并会以一种重新激发Claude理解的方式将其传达回来。所有这些都无需浪费上下文让Claude再次摄入冗长的文档或代码，并重新提示它与另一个模型进行通信。Zen在内部管理这些。模型的响应比自动摘要更能以更好的上下文恢复Claude对讨论的理解。

📖 阅读关于这个革命性系统如何工作的完整技术深度剖析

这个服务器将多个AI模型编排成您的开发团队，Claude会自动为每个任务选择最佳模型，或者允许您根据不同的优势选择特定的模型。

使用的提示：

仔细研究代码，深入思考其功能，然后查看是否有性能优化的空间，与Gemini就此事进行头脑风暴以获取反馈，然后通过首先使用`measure`添加单元测试并测量当前代码，然后实施优化并再次测量以确保性能得到改善，最后分享结果。在进行调整时，中途与Gemini进行核对。

最终实现使所选库的JSON解析性能提高了26%，通过Gemini的分析和Claude的优化指导，有针对性地进行协作优化，减少了处理时间。

快速上手（5分钟）

前提条件

• Python 3.10+（推荐3.12）
• Git
• Windows用户：Claude Code CLI需要WSL2

1. 获取API密钥（至少需要一个）

选项A：OpenRouter（通过一个API访问多个模型）

• OpenRouter：访问 OpenRouter 以通过一个API访问多个模型。设置指南
  • 直接在OpenRouter仪表板中控制模型访问和支出限制
  • 在conf/custom_models.json中配置模型别名

选项B：原生API

• Gemini：访问 Google AI Studio 并生成API密钥。为了在使用Gemini 2.5 Pro时获得最佳效果，请使用付费API密钥，因为免费层对最新模型的访问有限。
• OpenAI：访问 OpenAI平台 获取O3模型的API密钥。
• X.AI：访问 X.AI控制台 获取GROK模型的API密钥。
• DIAL：访问 DIAL平台 获取通过其统一API访问多个模型的API密钥。DIAL是一个开源的AI编排平台，提供对主要供应商、开源社区和自托管部署的模型的供应商无关访问。API文档

选项C：自定义API端点（本地模型，如Ollama、vLLM） 请参阅设置指南。使用自定义API，您可以：

• Ollama：在本地免费运行Llama 3.2等模型进行推理
• vLLM：自托管推理服务器，用于高吞吐量推理
• LM Studio：具有OpenAI兼容API接口的本地模型托管
• Text Generation WebUI：流行的本地模型运行界面
• 任何OpenAI兼容API：用于您自己基础设施的自定义端点

注意： 如果使用多个提供商选项，当模型名称重叠时，可能会产生关于使用哪个提供商或模型的歧义。 如果所有API都已配置，当模型名称冲突时，如gemini和o3，原生API将优先使用。 在conf/custom_models.json中配置您的模型别名并为它们指定唯一的名称

2. 选择安装方法

选项A：使用uvx快速安装

前提条件：首先安装 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"
      }
    }
  }
}

此方法的优点：

• 零设置 - uvx会自动处理一切
• 始终保持最新 - 每次运行时都会拉取最新版本
• 无需本地依赖 - 无需设置Python环境即可工作
• 即时可用 - 立即可以使用

选项B：传统克隆和设置方法

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

# 一键设置，将Zen安装到Claude中
./run-server.sh

# 或者对于使用PowerShell的Windows用户：
./run-server.ps1

# 查看Claude的MCP配置
./run-server.sh -c

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

# 查看更多帮助信息
./run-server.sh --help

# PowerShell：
./run-server.ps1 -Help

此方法的优点：

• 自动设置一切 - Python环境、依赖项、配置
• 配置Claude集成 - 添加到Claude Code CLI并指导桌面设置
• 即时可用 - 无需手动配置
• 也适用于Gemini CLI - 请参阅Gemini CLI设置进行配置

更新后：每次git pull后，始终再次运行./run-server.sh以确保一切保持最新。

Windows用户：如果使用WSL，请参阅WSL设置指南以获取详细说明。

3. 添加API密钥

# 编辑.env文件以添加您的API密钥（如果尚未在环境中设置）
nano .env

# 文件将包含以下内容，至少应设置一个：
# GEMINI_API_KEY=your-gemini-api-key-here  # 用于Gemini模型
# OPENAI_API_KEY=your-openai-api-key-here  # 用于O3模型
# OPENROUTER_API_KEY=your-openrouter-key  # 用于OpenRouter（请参阅docs/custom_models.md）
# DIAL_API_KEY=your-dial-api-key-here      # 用于DIAL平台

# 对于DIAL（可选配置）：
# DIAL_API_HOST=https://core.dialx.ai      # 默认DIAL主机（可选）
# DIAL_API_VERSION=2024-12-01-preview      # API版本（可选）
# DIAL_ALLOWED_MODELS=o3,gemini-2.5-pro    # 限制使用特定模型（可选）

# 对于本地模型（Ollama、vLLM等）：
# CUSTOM_API_URL=http://localhost:11434/v1  # Ollama示例
# CUSTOM_API_KEY=                                      # Ollama留空
# CUSTOM_MODEL_NAME=llama3.2                          # 默认模型

# 注意：至少需要一个API密钥或自定义URL

无需重启：服务器每次Claude调用工具时都会读取.env文件，因此更改会立即生效。

下一步：现在从项目文件夹的终端运行claude，使其连接到新添加的mcp服务器。 如果您已经在运行claude代码会话，请退出并启动新会话。

如果为Claude桌面进行设置

需要确切的配置？ 运行./run-server.sh -c以显示具有正确路径的特定平台设置说明。

1. 打开Claude桌面配置：设置 → 开发者 → 编辑配置
2. 复制./run-server.sh -c显示的配置 到您的claude_desktop_config.json中
3. 重启Claude桌面 以使更改生效

4. 开始使用！

只需自然地向Claude提问：

• "使用zen深入思考这个架构设计" → Claude选择最佳模型 + thinkdeep
• "使用zen对这段代码进行安全问题的代码审查" → Claude可能选择Gemini Pro + codereview
• "使用zen调试为什么这个测试失败，问题可能出在my_class.swift中" → Claude可能选择O3 + debug
• "使用zen分析这些文件以了解数据流" → Claude选择合适的模型 + analyze
• "使用flash根据policy.md中提到的规范建议如何格式化这段代码" → 专门使用Gemini Flash
• "深入思考这个问题，并让o3调试我在checkOrders()函数中发现的逻辑错误" → 专门使用O3
• "与pro头脑风暴扩展策略。研究代码，选择您喜欢的策略，并与pro辩论以确定两个最佳方法" → 专门使用Gemini Pro
• "使用local-llama对这个项目进行本地化并添加缺失的翻译" → 通过自定义URL使用本地Llama 3.2
• "首先使用local-llama进行快速本地分析，然后使用opus进行全面的安全审查" → 按顺序使用两个提供商

✨ 主要特性

可用工具

这些不仅仅是工具，它们是让Claude像真正的开发者一样思考的方式。与匆忙回复表面观点或浅显见解不同，这些工作流让Claude停下来，深入研究您的代码，并逐步推理解决问题。

这就像匆忙猜测和真正理解您代码的专注的第二双眼睛之间的区别。试试这些工具，感受其中的不同。

快速工具选择指南：

• 需要思考伙伴？ → chat（头脑风暴想法、获取第二意见、验证方法）
• 需要深度思考？ → thinkdeep（扩展分析、发现边缘情况）
• 想避免“您绝对正确！”的回复？ → challenge（挑战假设、鼓励深思熟虑的重新评估）
• 需要分解复杂项目？ → planner（分步规划、项目结构、分解复杂想法）
• 需要多个视角？ → consensus（从多个AI模型获取关于提案和决策的不同专家意见）
• 代码需要审查？ → codereview（查找漏洞、安全和性能问题）
• 预提交验证？ → precommit（在提交前验证git更改）
• 有东西坏了？ → debug（系统调查、逐步分析根本原因）
• 想理解代码？ → analyze（理解架构、模式、依赖关系）
• 代码需要重构？ → refactor（以分解为重点的智能代码重构）
• 需要调用流分析？ → tracer（生成用于执行跟踪和依赖映射的提示）
• 需要全面测试？ → testgen（生成包含边缘情况的测试套件）
• 有安全顾虑？ → secaudit（进行OWASP分析、合规性评估、漏洞评估）
• 代码需要文档？ → docgen（生成包含复杂度分析的全面文档）
• 想知道有哪些可用模型？ → listmodels（显示所有配置的提供商和模型）
• 想了解服务器信息？ → version（显示版本和配置详细信息）

自动模式：当DEFAULT_MODEL=auto时，Claude会自动为每个任务选择最佳模型。您可以通过以下方式覆盖："使用flash进行快速分析" 或 "使用o3调试这个问题"。

模型选择示例：

• 复杂架构审查 → Claude选择Gemini Pro
• 快速格式检查 → Claude选择Flash
• 逻辑调试 → Claude选择O3
• 一般解释 → Claude选择Flash以提高速度
• 本地分析 → Claude选择您的Ollama模型

专业提示：（针对Gemini模型的）思考模式控制深度与令牌成本的平衡。对于快速任务，使用 "minimal" 或 "low"；对于复杂问题，使用 "high" 或 "max"。了解更多

工具概述：

1. chat - 协作思考和开发对话
2. thinkdeep - 扩展推理和问题解决
3. challenge - 批判性挑战提示，防止 您绝对正确！
4. planner - 用于复杂项目的交互式顺序规划
5. consensus - 具有立场引导的多模型共识分析
6. codereview - 具有严重程度级别的专业代码审查
7. precommit - 在提交前验证git更改
8. debug - 系统调查和调试
9. analyze - 通用文件和代码分析
10. refactor - 以分解为重点的代码重构
11. tracer - 用于调用流映射的静态代码分析提示生成器
12. testgen - 包含边缘情况覆盖的全面测试生成
13. secaudit - 包含OWASP Top 10分析的全面安全审计
14. docgen - 包含复杂度分析的全面文档生成
15. listmodels - 按提供商组织显示所有可用AI模型
16. version - 获取服务器版本和配置

1. chat - 通用开发聊天与协作思考

它是您进行头脑风暴、获取第二意见和验证方法的思考伙伴。非常适合技术比较、架构讨论和协作解决问题。

与zen讨论我React应用中用户认证的最佳方法

📖 阅读更多 - 详细特性、示例和最佳实践

2. thinkdeep - 扩展推理伙伴

获取第二意见以增强Claude自身的深度思考能力。使用专门的思考模型挑战假设、识别边缘情况并提供替代视角。

按钮点击时不会动画，似乎有其他东西拦截了点击。收集相关代码并将文件交给Gemini Pro后，使用thinkdeep找出根本原因

📖 阅读更多 - 增强的分析能力和批判性评估过程

3. challenge - 批判性挑战提示

鼓励对陈述进行深思熟虑的重新评估，而不是自动同意，特别是当您犯错时。 它会在您的输入周围添加批判性思考和诚实分析的指令。

challenge 不将这个函数添加到基类中是不是个坏主意？

通常，您喜欢的编码代理会热情地回复 “您绝对正确！” —— 然后完全颠倒 正确 的策略，却从不解释您为什么错了。

📖 阅读更多 - 自信地挑战方法或验证想法

4. planner - 交互式分步规划

通过逐步思考将复杂项目或想法分解为可管理的结构化计划。非常适合向现有系统添加新功能、扩展系统设计、迁移策略和具有分支和修订功能的架构规划。

专业提示

Claude支持子任务，它会生成并运行单独的后台任务。您可以要求Claude使用Zen的planner处理两个不同的想法。完成后，使用Zen的consensus工具传递整个计划，并从两个强大的AI模型获取专家意见，以确定首先处理哪个想法！就像一次性进行 AB 测试而无需等待！

创建两个单独的子任务：一个使用planner工具展示如何为我的烹饪应用添加自然语言支持；另一个子任务使用planner规划如何为我的烹饪应用添加语音笔记支持。完成后，通过与o3和flash共享两个计划启动共识，以确定我首先实施哪个。

📖 阅读更多 - 分步规划方法和多会话延续

5. consensus - 多模型视角收集

从多个AI模型获取关于技术提案和决策的不同专家意见。支持立场引导（支持/反对/中立）和结构化决策制定。

使用flash支持和Gemini Pro反对的立场进行共识评估，以确定为项目添加功能X是否是个好主意。向它们传递其功能摘要。

📖 阅读更多 - 多模型编排和决策分析

6. codereview - 专业代码审查

进行全面的代码分析，提供优先反馈和严重程度级别。这个工作流工具引导Claude进行系统调查步骤，在每个步骤之间强制暂停，以确保彻底检查代码、识别问题并在提供专家分析之前进行质量评估。

使用Gemini Pro进行代码审查，特别是auth.py，因为我觉得有些代码绕过了安全检查，可能存在更多潜在漏洞。查找并共享相关代码。

提示：

• 为避免额外的API成本，添加do not use another model以在本地运行整个代码审查工作流。
• 如果您想 始终 咨询外部模型（建议用于代码审查），无论Claude对识别问题的置信度如何，使用must codereview using <model name>。这确保即使Claude对识别的问题 确定，也会咨询该模型。

📖 阅读更多 - 具有分步分析的专业审查工作流

7. precommit - 预提交验证

对多个代码库中暂存/未暂存的git更改进行全面审查。这个工作流工具引导Claude对git更改、代码库状态和文件修改进行系统调查，在多个步骤后提供专家验证，以确保更改满足要求并防止回归。

使用o3进行全面的预提交检查，我们只想突出关键问题，没有阻碍因素，没有回归。我需要100%确信这涵盖了FIX_ISSUE_ABC.md中列出的所有边缘情况。

实际示例：

• 我要求Claude（sonnet-4）重构一些代码以修复已知的bug；给了它确切的指令
• 修复看起来正确 —— 乍一看，更改也是如此。
• 更重要的是，所有现有的单元测试（540多个单元测试）都顺利通过。没有回归。Claude似乎很自信并急于提交。一切看起来都很完美。

然后我运行了：

运行预提交检查，使用o3确认我们的更改是合理的，差异是有效的。确认这不会导致破损、回归，并且没有代码异味。

这将跟踪和未跟踪的更改/差异以及相关代码通过Zen的precommit工具传递给o3进行全面审查。

输出：

⏺ 预提交分析结果 - 发现关键问题

  O3模型在我们的重构中识别出一个高严重级别的回归和几个中/低级别问题。以下是总结：

  🚨 高严重级别 - 提交前必须修复

  ...

报告的问题实际上是一个非常微妙的bug，在快速检查中被忽略了 —— 显然缺少针对这个确切情况的单元测试（在现有的540多个单元测试中！） - 这解释了为什么没有报告回归。最终修复很简单，但Claude（以及延伸来说，我）忽略了这个问题，这是一个鲜明的提醒：再多的眼睛也不够。修复问题后，再次使用o3运行precommit，得到：

建议：继续提交

不错！这只是一个例子 - 查看这里的另一个例子。

提示：

• 为避免额外的API成本，添加do not use another model以在本地运行整个预提交工作流。在大多数情况下，建议这样做，因为Claude通常在最后能以高置信度识别根本原因。
• 如果您想 始终 咨询外部模型，无论Claude的置信度如何，使用must precommit using <model name>。这确保即使Claude对问题 确定，也会咨询该模型。

当有疑问时，您始终可以跟进一个新提示，要求Claude与另一个模型分享其发现：

使用延续功能与thinkdeep一起，与o4-mini分享详细信息，找出这个问题的最佳修复方法。

📖 阅读更多 - 多代码库验证和更改分析

8. debug - 专家调试助手

进行系统调查引导的调试，引导Claude逐步分析根本原因。这个工作流工具强制执行结构化调查过程，Claude在多个步骤中进行有条理的代码检查、证据收集和假设形成，然后从选定的AI模型获取专家分析。当Claude在调查工作流中达到 100%确定 时，将跳过通过另一个模型进行的专家分析，以节省令牌和成本，Claude将直接进行问题修复。

查看/Users/me/project/diagnostics.log下的日志以及sync文件夹下的相关代码。日志显示同步工作正常，但有时会卡住，并且没有向用户显示错误。使用zen的debug工具与Gemini Pro找出原因和根本原因以及修复方法。

提示：

• 为避免额外的API成本，添加do not use another model以在本地运行整个调试工作流。在大多数情况下，建议这样做，因为Claude通常在最后能以高置信度识别根本原因。
• 如果您想 始终 咨询外部模型，无论Claude的置信度如何，使用must debug using <model name>。这确保即使Claude对问题 确定，也会咨询该模型。

当有疑问时，您始终可以跟进一个新提示，要求Claude与另一个模型分享其发现：

使用延续功能与thinkdeep一起，与o4-mini分享详细信息，找出这个问题的最佳修复方法。

📖 阅读更多 - 具有工作流强制执行的分步调查方法

9. analyze - 智能文件分析

进行通用代码理解和探索。这个工作流工具引导Claude对代码结构、模式和架构决策进行系统调查，在多个步骤中收集全面见解，然后提供专家分析，用于架构评估、模式检测和战略改进建议。

使用Gemini分析main.py以了解其工作原理

📖 阅读更多 - 具有分步调查的全面分析工作流

10. refactor - 智能代码重构

进行全面的重构分析，采用自上而下的分解策略。这个工作流工具对代码异味、分解机会和现代化可能性进行系统调查，在多个步骤中确保彻底分析，然后提供专家重构建议和精确的实施指导。

使用Gemini Pro将my_crazy_big_class.m分解为更小的扩展

📖 阅读更多 - 由工作流驱动的重构与渐进式分析

11. tracer - 静态代码分析提示生成器

创建用于调用流映射和依赖跟踪的详细分析提示。生成结构化分析请求，用于精确执行流或依赖映射。

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

📖 阅读更多 - 提示生成和分析模式

12. testgen - 全面测试生成

根据现有代码和测试框架生成包含边缘情况覆盖的全面测试套件。这个工作流工具引导Claude对代码功能、关键路径、边缘情况和集成点进行系统调查，在多个步骤后生成包含现实失败模式分析的全面测试。

使用zen为User.login()方法生成测试

📖 阅读更多 - 基于工作流的测试生成，具有全面覆盖

13. secaudit - 全面安全审计

进行基于OWASP的系统安全评估和合规性评估。这个工作流工具引导Claude进行有条不紊的安全调查步骤，在每个步骤之间强制暂停，以确保彻底的漏洞评估、安全模式分析和合规性验证，然后提供专家分析。

使用o3对这个电子商务Web应用进行安全审计，重点关注支付处理安全和PCI DSS合规性

📖 阅读更多 - 包含合规框架支持的OWASP Top 10分析

14. docgen - 全面文档生成

生成包含复杂度分析和注意事项识别的全面文档。这个工作流工具引导Claude对代码结构、函数复杂度和文档需求进行系统调查，在多个步骤后生成全面文档，包括算法复杂度、调用流信息和开发者应该了解的意外行为。

# 包括复杂度大O表示法，记录依赖关系/代码流，修复现有陈旧文档
使用docgen为UserManager类生成全面文档

# 包括复杂度大O表示法，记录依赖关系/代码流
使用docgen为我添加的所有新Swift函数添加复杂度分析，但不更新现有代码

📖 阅读更多 - 基于工作流的文档生成，带有注意事项检测

15. listmodels - 列出可用模型

按提供商组织显示所有可用的AI模型，显示其功能、上下文窗口和配置状态。

使用zen列出可用模型

📖 阅读更多 - 模型功能和配置详细信息

16. version - 服务器信息

获取服务器版本、配置详细信息和系统状态，用于调试和故障排除。

我使用的zen版本是多少

📖 阅读更多 - 服务器诊断和配置验证

有关详细的工具参数和配置选项，请参阅高级用法指南。

提示支持

Zen支持在Claude Code中使用强大的结构化提示，以便快速访问工具和模型：

工具提示

• /zen:chat ask local-llama what 2 + 2 is - 使用聊天工具和自动选择的模型
• /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动选择的模型
• /zen:planner break down the microservices migration project into manageable steps - 使用规划工具和自动选择的模型
• /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. - 使用共识工具和默认配置
• /zen:codereview review for security module ABC - 使用代码审查工具和自动选择的模型
• /zen:debug table view is not scrolling properly, very jittery, I suspect the code is in my_controller.m - 使用调试工具和自动选择的模型
• /zen:analyze examine these files and tell me what if I'm using the CoreAudio framework properly - 使用分析工具和自动选择的模型
• /zen:docgen generate comprehensive documentation for the UserManager class with complexity analysis - 使用文档生成工具和自动选择的模型

延续提示

• /zen:chat continue and ask gemini pro if framework B is better - 继续上一次对话，使用聊天工具

高级示例

• /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

语法格式

提示格式为：/zen:[tool] [your_message]

• [tool] - 任何可用的工具名称（chat、thinkdeep、planner、consensus、codereview、debug、analyze、docgen等）
• [your_message] - 您的请求、问题或工具指令

注意：所有提示在Claude Code中都会显示为 "(MCP) [tool]"，以表明它们由MCP服务器提供。

高级特性

AI间对话线程

这个服务器实现了Claude和多个AI模型之间的 真正AI协作，它们可以跨工具和对话进行协调和基于彼此的见解进行构建。

📖 阅读更多 - 多模型协调、对话线程和协作工作流

配置

通过.env文件中的环境变量配置Zen MCP Server。支持多个AI提供商、模型限制、对话设置和高级选项。

# 快速开始 - 自动模式（推荐）
DEFAULT_MODEL=auto
GEMINI_API_KEY=your-gemini-key
OPENAI_API_KEY=your-openai-key
DIAL_API_KEY=your-dial-key  # 可选：通过DIAL访问多个模型

关键配置选项：

• API密钥：原生API（Gemini、OpenAI、X.AI）、OpenRouter、DIAL或自定义端点（Ollama、vLLM）
• 模型选择：自动模式或特定模型默认值
• 使用限制：控制可使用的模型以控制成本
• 对话设置：超时、轮次限制、内存配置
• 思考模式：用于扩展推理的令牌分配
• 日志记录：调试级别和操作可见性

📖 阅读更多 - 完整配置参考和示例

测试

有关运行测试的信息，请参阅测试指南。

贡献

我们欢迎贡献！请参阅我们的全面指南：

• 贡献指南 - 代码标准、PR流程和要求
• 添加新提供商 - 添加AI提供商的分步指南

📄 许可证

本项目采用Apache 2.0许可证 - 详情请参阅LICENSE文件。

致谢

借助 多模型AI 协作的力量构建 🤝

• 真正人类的 实际智能
• MCP（模型上下文协议），由Anthropic提供
• Claude Code - 您的AI编码助手和编排器
• Gemini 2.5 Pro & 2.0 Flash - 深度思考和快速分析
• OpenAI O3 - 强大推理和通用智能

星标历史