Multi MCP

🚀 Multi-MCP：用于Claude Code的多模型代码审查与分析MCP服务器

Multi-MCP是一个多模型AI编排MCP服务器，专为自动化代码审查和大语言模型驱动的分析而设计。它与Claude Code CLI集成，能够编排多个AI模型（如OpenAI GPT、Anthropic Claude、Google Gemini），进行代码质量检查、安全分析（遵循OWASP Top 10标准）以及多智能体共识决策。该工具基于模型上下文协议（MCP）构建，让Python开发者和DevOps团队能够在开发工作流程中直接利用AI洞察实现代码审查自动化。

✨ 主要特性

• 🔍 代码审查：具备系统的工作流程，包含OWASP Top 10安全检查和性能分析。
• 💬 聊天交互：提供具有仓库上下文感知能力的交互式开发辅助。
• 🔄 对比分析：支持并行多模型分析，助力架构决策。
• 🎭 多智能体辩论：实现多智能体共识工作流程（独立回答 + 相互批判）。
• 🤖 多模型支持：兼容OpenAI GPT、Anthropic Claude、Google Gemini和OpenRouter等多种模型。
• 🖥️ CLI与API模型结合：可混合使用基于CLI的模型（如Gemini CLI、Codex CLI）和API模型。
• 🏷️ 模型别名：支持使用简短名称，如mini、sonnet、gemini。
• 🧵 上下文管理：在多步骤审查中保持上下文连贯。

🚀 快速开始

前提条件

• Python 3.11及以上版本
• 至少一个AI模型提供商（OpenAI、Anthropic、Google或OpenRouter）的API密钥

📦 安装指南

选项1：从源代码安装

# 克隆并安装
git clone https://github.com/religa/multi_mcp.git
cd multi_mcp
# 执行安装脚本
make install

# 安装程序将执行以下操作：
# 1. 安装依赖项（uv sync）
# 2. 生成.env文件
# 3. 通过make install自动与Claude Code CLI集成
# 4. 测试安装

选项2：手动配置

如果你不想运行make install，可以手动安装：

# 安装依赖项
uv sync

# 复制并配置.env文件
cp .env.example .env
# 编辑.env文件，添加你的API密钥

将以下内容添加到Claude Code配置文件（~/.claude.json）中，将/path/to/multi_mcp替换为实际的克隆路径：

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

配置

环境配置（API密钥和设置）

Multi-MCP按以下顺序从.env文件加载设置（优先级从高到低）：

1. 环境变量（已在shell中设置）
2. 项目.env文件（当前目录或项目根目录）
3. 用户.env文件（~/.multi_mcp/.env） - 适用于pip安装的回退配置

编辑.env文件，添加你的API密钥：

# API密钥（至少配置一个）
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=...
OPENROUTER_API_KEY=sk-or-...

# Azure OpenAI（可选）
AZURE_API_KEY=...
AZURE_API_BASE=https://your-resource.openai.azure.com/

# AWS Bedrock（可选）
AWS_ACCESS_KEY_ID=...
AWS_SECRET_ACCESS_KEY=...
AWS_REGION_NAME=us-east-1

# 模型配置
DEFAULT_MODEL=gpt-5-mini
DEFAULT_MODEL_LIST=gpt-5-mini,gemini-3-flash

模型配置（添加自定义模型）

模型在YAML配置文件中定义（用户配置优先）：

1. 包默认配置：multi_mcp/config/config.yaml（随包提供）
2. 用户覆盖配置：~/.multi_mcp/config.yaml（可选，优先级更高）

要添加自定义模型，创建~/.multi_mcp/config.yaml文件（参考和示例）：

version: "1.0"

models:
  # 添加新的API模型
  my-custom-gpt:
    litellm_model: openai/gpt-4o
    aliases:
      - custom
    notes: "My custom GPT-4o configuration"

  # 添加自定义CLI模型
  my-local-llm:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "llama3.2"
    cli_parser: text
    aliases:
      - local
    notes: "Local LLaMA via Ollama"

  # 覆盖现有模型的设置
  gpt-5-mini:
    constraints:
      temperature: 0.5  # 覆盖默认温度

合并规则：

• 新模型将与包默认模型一起添加。
• 现有模型将进行合并（用户设置覆盖包默认设置）。
• 别名可以从包模型转移到自定义模型。

💻 使用示例

基础用法

安装到Claude Code后，你可以使用以下命令： 💬 聊天交互：交互式开发辅助

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

🔍 代码审查：使用特定模型分析代码

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

🔄 对比分析：获取多个视角（使用默认模型）

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

🎭 多智能体辩论：深入分析并进行批判

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

高级用法

启用白名单

编辑~/.claude/settings.json文件，在permissions.allow中添加以下行，使Claude Code可以无阻碍地使用Multi MCP：

{
  "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"
  }
}

模型别名

使用简短别名代替完整模型名称：

运行multi:models命令查看所有可用模型和别名。

CLI模型

Multi-MCP支持与API模型一起执行基于CLI的AI模型（如Gemini CLI、Codex CLI或Claude CLI）。CLI模型作为子进程运行，可与现有工具无缝协作。 优点：

• 可以使用具有完整工具访问权限的模型（文件操作、shell命令）。
• 在compare和debate工作流程中混合使用API和CLI模型。
• 无需API开销，直接利用本地CLI。

内置CLI模型：

• gemini-cli（别名：gem-cli） - 支持自动编辑模式的Gemini CLI。
• codex-cli（别名：cx-cli） - 支持全自动化模式的Codex CLI。
• claude-cli（别名：cl-cli） - 支持acceptEdits模式的Claude CLI。

添加自定义CLI模型： 在~/.multi_mcp/config.yaml文件中添加以下内容（参考模型配置）：

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模型需要安装相应的CLI工具：

# 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使用（实验性）

Multi-MCP包含一个独立的CLI，可在无需MCP客户端的情况下进行代码审查。

⚠️ 重要提示

CLI处于实验阶段，正在积极开发中。

# 审查目录
multi src/

# 审查特定文件
multi src/server.py src/config.py

# 使用不同模型
multi --model mini src/

# 输出JSON结果，用于CI/管道
multi --json src/ > results.json

# 详细日志记录
multi -v src/

# 指定项目根目录（用于加载CLAUDE.md）
multi --base-path /path/to/project src/

🔧 技术细节

工作原理

Multi-MCP作为一个MCP服务器，Claude Code与之连接，提供AI驱动的代码分析工具：

1. 安装MCP服务器并配置AI模型API密钥。
2. 通过make install自动与Claude Code CLI集成。
3. 使用自然语言调用工具（例如，"multi codereview this file"）。
4. 并行编排多个AI模型，获取分析结果。

性能

快速多模型分析：

• ⚡ 并行执行：3个模型约10秒完成分析（顺序执行约30秒）。
• 🔄 异步架构：采用非阻塞的Python asyncio。
• 💾 对话上下文管理：在多步骤审查中保持上下文连贯。
• 📊 低延迟：响应时间取决于最慢的模型，而非所有模型响应时间之和。

为什么选择Multi-MCP？

故障排除

“未找到API密钥”

• 在.env文件中至少添加一个API密钥。
• 验证密钥是否已加载：uv run python -c "from multi_mcp.settings import settings; print(settings.openai_api_key)"

集成测试失败

• 设置RUN_E2E=1环境变量。
• 验证API密钥是否有效且有足够的额度。

调试模式：

export LOG_LEVEL=DEBUG # 默认级别为INFO
uv run python -m multi_mcp.server

查看logs/server.log日志文件获取详细信息。

📚 详细文档

常见问题解答

问：是否需要所有三个AI提供商的API密钥？ 答：不需要，只需一个API密钥（OpenAI、Anthropic或Google）即可开始使用。

问：它真的能并行运行吗？ 答：是的！当使用codereview、compare或debate工具时，所有模型使用Python的asyncio.gather()并发执行。这意味着你可以在最慢模型的响应时间内获得多个模型的响应，而不是所有模型响应时间之和。

问：可以同时运行多少个模型？ 答：没有严格限制！你可以并行运行任意数量的模型。实际上，2 - 5个模型适用于大多数用例。所有工具默认使用配置的模型（通常2 - 3个），但你可以指定任意数量的模型。

贡献代码

我们欢迎贡献！请参考CONTRIBUTING.md了解：

• 开发环境设置
• 代码标准
• 测试指南
• 拉取请求流程

快速开始：

git clone https://github.com/YOUR_USERNAME/multi_mcp.git
cd multi_mcp
uv sync --extra dev
make check && make test

📄 许可证

本项目采用MIT许可证，详情请参阅LICENSE文件。

链接

• 问题跟踪器
• 贡献指南