mcp-aurai-server - 支持多轮对话与文件上传，为GLM-4.7模型优化的MCP远程指导服务器

探索

MCP Aurai Server

这是一个让本地AI获取远程AI指导的MCP服务器，支持多轮对话、文件上传和智能对话管理，特别针对GLM-4.7模型优化。

开发者工具人工智能聊天机器人 #AI顾问 #文件上传 #多轮对话 #智能管理 .Python

评分 : 2.5分

下载量 : 7.4K

更新时间 : 2026-03-13

打开站点

什么是上级顾问MCP？

上级顾问MCP是一个智能桥梁服务器，当您在编程或技术工作中遇到难题时，您的本地AI助手（如Claude Code）可以通过这个服务器自动向远程的上级AI专家（如GLM-4.7、GPT-4o等）请求专业指导。它就像为您的AI助手配备了一位随时待命的资深技术顾问。

如何使用上级顾问MCP？

使用非常简单：1) 安装并配置服务器；2) 在Claude Code中正常对话；3) 当遇到复杂问题时，AI会自动调用上级顾问；4) 获取专业建议后继续工作。整个过程无缝衔接，您只需要专注于描述问题。

适用场景

• 调试复杂的运行时错误 • 解决架构设计难题 • 代码评审和优化建议 • 学习新技术概念 • 处理大型代码库的分析 • 需要专业领域知识的编程问题

主要功能

智能多轮对话

上级AI能够进行深度追问和逐步分析，像真正的技术专家一样层层深入解决问题，而不是简单的单次回答。

文件上传支持 ⭐

支持上传代码文件和文档（.txt和.md格式），大文件会自动分批发送，确保上级AI能看到完整的上下文信息。

智能对话管理

自动检测新问题并清空历史对话，确保每次咨询都有干净的上下文，避免信息混淆。

GLM-4.7优化

专门针对智谱AI的GLM-4.7模型进行优化，支持200K超长上下文，适合处理大型代码库和文档。

智能工具引导

在工具描述中推荐相关工具，帮助您了解何时使用文件上传、进度报告等功能。

对话历史持久化

自动保存对话历史到用户目录，即使重启应用也能继续之前的咨询会话。

优势

🎯 专业级指导：获取比本地AI更深入、更专业的分析建议

🔄 无缝集成：与Claude Code等工具完美融合，使用体验流畅

📁 大文件支持：能处理大型代码文件和文档，适合复杂项目

🧠 智能上下文：自动管理对话历史，保持咨询的连贯性和准确性

🔧 灵活配置：支持多种AI服务商（只要兼容OpenAI API）

💾 离线友好：对话历史本地保存，保护隐私

局限性

🌐 需要网络：依赖远程AI服务，需要稳定的网络连接

💰 可能产生费用：使用第三方AI服务可能产生API调用费用

⚙️ 初始配置：需要一定的技术知识进行初始安装和配置

📶 响应时间：受网络和远程服务影响，响应可能比本地AI慢

🔌 依赖兼容性：需要AI助手支持MCP协议

如何使用

安装准备

确保已安装Python 3.8+和Claude Code，然后下载上级顾问MCP服务器代码。

创建虚拟环境

创建独立的Python环境以避免依赖冲突。

安装依赖

安装服务器所需的所有依赖包。

配置Claude Code

将服务器添加到Claude Code的MCP配置中，使用user范围确保所有项目可用。

重启并开始使用

重启Claude Code，在对话中描述编程问题，AI会自动调用上级顾问。

使用案例

调试运行时错误

当代码运行时出现难以理解的错误信息时，让上级AI帮助分析根本原因。

代码架构评审

需要专家意见来评审和改进代码架构设计。

大型项目分析

需要理解复杂的代码库或分析大型项目结构。

常见问题

每次打开Claude Code都要重新安装上级顾问吗？

支持哪些AI服务商？

上传文件有大小限制吗？

如何确保对话隐私？

上级顾问和本地AI有什么区别？

如何知道上级AI正在被调用？

🚀 上级顾问 MCP (Aurai Advisor)

上级顾问 MCP 是一个 MCP 服务器，可让本地 AI 获取远程 AI 的指导，为编程问题解决提供有力支持。

🚀 快速开始

1. 安装

# 进入项目目录
cd mcp-aurai-server

# 创建虚拟环境
python -m venv venv
venv\Scripts\activate  # Windows
# source venv/bin/activate  # macOS/Linux

# 安装依赖
pip install -e ".[all-dev]"

# 验证安装
python .ai_temp/test_file_upload_fix.py
# 预期: ✅ 所有测试通过！

2. 配置

重要: 使用 --scope user 确保在所有项目中都可用。

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

重启 Claude Code 后，在对话中直接描述编程问题：

我遇到了一个 KeyError 问题，错误信息是 'api_key' not found
相关代码如下：
[粘贴代码]

AI 会自动判断是否调用 consult_aurai 工具。

✨ 主要特性

[OK] 多轮对话机制 - 智能追问，逐步解决问题
[OK] 智能对话管理 - 自动检测新问题并清空历史，确保干净的上下文
[OK] 智能工具引导 - 工具描述中包含相关工具推荐
[OK] 文件上传支持 ⭐ - 支持通过 sync_context 上传文件，大文件自动分批发送
[OK] GLM-4.7 优化 - 基于 GLM-4.7 模型参数硬编码优化（200K 上下文）
[OK] 对话历史持久化 - 自动保存到用户目录
[OK] GUI 配置工具 - 可视化配置生成

📦 安装指南

v2.2.0 旧版用户迁移指南

情况 1：使用 `custom` provider（OpenAI 兼容 API）的用户 ✅

好消息：无需重新安装或重新配置！

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

# 重启 Claude Code，自动生效

✅ 新的环境变量（AURAI_CONTEXT_WINDOW、AURAI_MAX_MESSAGE_TOKENS、AURAI_MAX_TOKENS）是可选的
✅ 默认值已针对 GLM-4.7 优化（200K 上下文）
✅ 文件上传修复是透明的，会自动生效

情况 2：使用 `zhipu`、`openai`、`anthropic`、`gemini` provider 的用户 ❌

需要迁移：v2.2.0 移除了这些 provider，需要切换到 custom + OpenAI 兼容 API。 迁移步骤（以智谱 AI 为例）：

# 1. 删除旧配置
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. 重启 Claude Code

各服务商迁移配置：

原提供商	新 AURAI_BASE_URL	推荐模型
`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：升级后，建议运行 python .ai_temp/test_file_upload_fix.py 验证文件上传功能是否正常。

💻 使用示例

基础用法

在对话中直接描述编程问题：

我遇到了一个 KeyError 问题，错误信息是 'api_key' not found
相关代码如下：
[粘贴代码]

AI 会自动判断是否调用 consult_aurai 工具。

高级用法

sync_context 工具使用示例

# 场景 1: 上传代码文件（避免截断）
shutil.copy('main.py', 'main.txt')  # 转换为 .txt
sync_context(
    operation='incremental',
    files=['main.txt'],
    project_info={'language': 'Python'}
)

# 场景 2: 上传文档供评审
sync_context(
    operation='full_sync',
    files=['README.md', 'docs/设计文档.md'],
    project_info={'task': 'code_review'}
)

📚 详细文档

文档	说明
用户手册	完整使用指南
安装指南	Claude Code 专用安装
开发文档	技术细节和架构

🔧 技术细节

GLM-4.7 Token 配置说明

本版本采用 GLM-4.7 模型参数作为默认值，同时支持通过环境变量覆盖（适用于其他模型）：

配置项	默认值	环境变量	说明
`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`	单条文件消息上限
`max_tokens`	32,000	`AURAI_MAX_TOKENS`	上级 AI 最大输出长度

Token 分配策略：

200K (总上下文)
├── 32K (输出) - 上级 AI 的分析回复
└── 168K (输入)
    ├── ~18K (系统 + 历史 + 问题)
    ├── 150K (最大单条文件)
    └── ~ - 安全边际

容量参考：

单文件上传上限：~15 - 20 万中文字符
上级 AI 输出上限：~2 - 3 万中文字符
对话历史：约 10 - 15 轮完整对话

注意：默认值基于 GLM-4.7 优化，使用其他模型时可通过环境变量调整。

环境变量说明

必填

变量	说明	示例
`AURAI_API_KEY`	API 密钥	`sk-xxx`
`AURAI_BASE_URL`	API 地址	`https://open.bigmodel.cn/api/paas/v4/`
`AURAI_MODEL`	模型名称	`glm-4.7`

可选

变量	说明	默认值
`AURAI_TEMPERATURE`	温度参数（0.0 - 2.0）	`0.7`
`AURAI_MAX_HISTORY`	对话历史最大保存数	`50`
`AURAI_CONTEXT_WINDOW`	上下文窗口大小（tokens）	`200000`（基于 GLM-4.7）
`AURAI_MAX_MESSAGE_TOKENS`	单条消息最大 tokens	`150000`
`AURAI_MAX_TOKENS`	最大输出 tokens	`32000`

Token 配置说明

默认值（基于 GLM-4.7）：

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

其他模型参考：

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

# 使用智谱 AI GLM-4.7（推荐，使用默认值）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
AURAI_MODEL=glm-4.7
# Token 配置使用默认值，无需设置

# 使用 Claude 3.5 Sonnet（调整 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（调整 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
# 根据模型规格调整 Token 配置

项目结构

mcp-aurai-server/
├── src/mcp_aurai/          # MCP Server 源代码
│   ├── server.py           # 主服务器（4个工具）
│   ├── config.py           # 配置管理
│   ├── llm.py              # OpenAI 兼容客户端
│   ├── prompts.py          # 提示词模板
│   └── utils.py            # 工具函数
│
├── tools/
│   └── control_center.py   # GUI 配置工具
│
├── tests/                  # 测试用例
│   ├── test_server.py
│   ├── test_llm.py
│   └── test_config.py
│
├── docs/                   # 文档
│   ├── 用户手册.md
│   ├── CLAUDE_CODE_INSTALL.md
│   └── 开发文档.md
│
├── README.md               # 本文件
├── pyproject.toml          # 项目配置
└── .env.example            # 环境变量示例