Multi-MCP

Multi-MCP：Claude Code 向けマルチモデルコードレビュー・分析 MCP サーバー

自動コードレビューとLLM を活用した分析のためのマルチモデル AI オーケストレーション MCP サーバーです。Multi-MCP は Claude Code CLI および OpenCode と連携し、複数の AI モデル（OpenAI GPT、Anthropic Claude、Google Gemini）を統括して、コード品質チェック、セキュリティ分析（OWASP Top 10）、マルチエージェントによる合意形成を実現します。**Model Context Protocol（MCP）**を基盤とするこのツールにより、Python 開発者や DevOps チームは、AI による知見を開発ワークフロー内で直接活用し、コードレビューを自動化できます。

機能

• 🔍 コードレビュー - OWASP Top 10 のセキュリティチェックとパフォーマンス分析を含む、体系的なワークフロー
• 💬 チャット - リポジトリのコンテキストを認識する、対話型の開発支援
• 🔄 比較 - アーキテクチャ上の意思決定のための、複数モデルによる並列分析
• 🎭 議論 - マルチエージェントによる合意形成ワークフロー（独立した回答＋批評）
• 🤖 マルチモデル対応 - OpenAI GPT、Anthropic Claude、Google Gemini、OpenRouter
• 🖥️ CLI と API のモデル - CLI ベース（Gemini CLI、Codex CLI）と API のモデルを組み合わせて利用
• 🏷️ モデルエイリアス - mini、sonnet、gemini のような短い名前を使用
• 🧵 スレッド管理 - 複数ステップのレビューを通じてコンテキストを維持

仕組み

Multi-MCP は、Claude Code または OpenCode が接続するMCP サーバーとして動作し、AI を活用したコード分析ツールを提供します。

1. MCP サーバーをインストールし、AI モデルの API キーを設定します
2. make install を使って、Claude Code または OpenCode と自動的に連携します
3. 自然言語でツールを呼び出します（例：「このファイルを multi codereview して」）
4. 複数の AI モデルを並列で統括して得られた結果を受け取ります

パフォーマンス

高速なマルチモデル分析：

• ⚡ 並列実行 - 3 つのモデルで約 10 秒（順次実行では約 30 秒）
• 🔄 非同期アーキテクチャ - ノンブロッキングの Python asyncio
• 💾 会話スレッド管理 - 複数ステップのレビューを通じてコンテキストを維持
• 📊 低レイテンシ - 応答時間は全モデルの合計ではなく、最も遅いモデルの処理時間

クイックスタート

前提条件：

• Python 3.11+
• 少なくとも 1 つのプロバイダー（OpenAI、Anthropic、Google、OpenRouter）の API キー

インストール

オプション 1：ソースから

# Clone and install
git clone https://github.com/religa/multi_mcp.git
cd multi_mcp
# Execute ./scripts/install.sh
make install

# The installer will:
# 1. Install dependencies (uv sync)
# 2. Generate your .env file
# 3. Automatically add to Claude Code / OpenCode config (requires jq)
# 4. Test the installation

オプション 2：手動設定

make install を実行しない場合は、次の手順に従ってください。

# Install dependencies
uv sync

# Copy and configure .env
cp .env.example .env
# Edit .env with your API keys

Claude Code（~/.claude.json）または OpenCode（~/.opencode/opencode.json）に追加し、/path/to/multi_mcp を実際のクローン先のパスに置き換えてください。

Claude Code：

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

OpenCode：

{
  "mcp": {
    "multi": {
      "type": "local",
      "command": ["/path/to/multi_mcp/.venv/bin/python", "-m", "multi_mcp.server"],
      "enabled": true
    }
  }
}

設定

環境設定（API キーと設定項目）

Multi-MCP は、次の順序で .env ファイルから設定を読み込みます（優先度の高い順）。

1. 環境変数（シェルですでに設定されているもの）
2. プロジェクトの .env（カレントディレクトリまたはプロジェクトのルート）
3. ユーザーの .env（~/.multi_mcp/.env） - pip インストール時のフォールバック

API キーを設定するには .env を編集してください。

# API Keys (configure at least one)
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=...
OPENROUTER_API_KEY=sk-or-...

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

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

# Model Configuration
DEFAULT_MODEL=gpt-5-mini
DEFAULT_MODEL_LIST=gpt-5-mini,gemini-3-flash

モデルの設定（カスタムモデルの追加）

モデルは YAML 設定ファイルで定義します（ユーザー設定が優先されます）。

1. パッケージのデフォルト：multi_mcp/config/config.yaml（パッケージに同梱）
2. ユーザーによる上書き：~/.multi_mcp/config.yaml（任意、優先されます）

独自のモデルを追加するには、~/.multi_mcp/config.yaml を作成してください。例については、config.yaml と config.override.example.yaml を参照してください。

version: "1.0"

models:
  # Add a new API model
  my-custom-gpt:
    litellm_model: openai/gpt-4o
    aliases:
      - custom
    notes: "My custom GPT-4o configuration"

  # Add a custom CLI model
  my-local-llm:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "llama3.2"
    cli_parser: text
    aliases:
      - local
    notes: "Local LLaMA via Ollama"

  # Override an existing model's settings
  gpt-5-mini:
    constraints:
      temperature: 0.5  # Override default temperature

マージの動作：

• 新しいモデルはパッケージのデフォルトに追加されます
• 既存のモデルはマージされます（ユーザー設定がパッケージのデフォルトを上書きします）
• パッケージのモデルのエイリアスを、カスタムモデルに「譲渡」できます

使用例

MCP クライアント（Claude Code または OpenCode）にインストールすると、次のコマンドを使用できます。

💬 チャット - 対話型の開発支援：

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

🔍 コードレビュー - 特定のモデルでコードを分析：

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

🔄 比較 - 複数の視点を取得（デフォルトモデルを使用）：

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

🎭 ディベート - 批評を交えた詳細な分析：

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

許可リストを有効にする

~/.claude/settings.json を編集し、permissions.allow に次の行を追加すると、ユーザーの許可を求めて処理がブロックされることなく、Claude Code で Multi MCP を使用できるようになります。

{
  "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"
  },
}

モデルのエイリアス

完全なモデル名の代わりに、短いエイリアスを使用できます。

エイリアス	モデル	プロバイダー
mini	gpt-5.6-luna	OpenAI
nano	gpt-5.6-luna	OpenAI
gpt	gpt-6-astra	OpenAI
astra	gpt-6-astra	OpenAI
sol	gpt-5.6-sol	OpenAI
terra	gpt-5.6-terra	OpenAI
luna	gpt-5.6-luna	OpenAI
codex	gpt-5.3-codex	OpenAI
fable	claude-fable-5-1	Anthropic
opus	claude-opus-5	Anthropic
sonnet	claude-sonnet-5	Anthropic
haiku	claude-haiku-4.5	Anthropic
gemini	gemini-3.1-pro-preview	Google
gemini-3	gemini-3.1-pro-preview	Google
flash	gemini-3.8-flash	Google
flash-lite	gemini-3.5-flash-lite	Google
azure-mini	azure-gpt-5-mini	Azure
bedrock-sonnet	bedrock-claude-4-5-sonnet	AWS

multi:models を実行すると、利用可能なすべてのモデルとエイリアスを確認できます。

CLI モデル

Multi-MCP は、API モデルに加えて、Gemini CLI、Codex CLI、Claude CLI などの CLI ベースの AI モデルを実行できます。CLI モデルはサブプロセスとして実行され、既存のすべてのツールとシームレスに連携します。

メリット：

• ファイル操作やシェルコマンドなど、ツールにフルアクセスできるモデルを使用できます
• compare や debate のワークフローで、API モデルと CLI モデルを組み合わせられます
• API のオーバーヘッドなしで、ローカルの CLI を活用できます

組み込みの CLI モデル：

• gemini-cli（エイリアス：gem-cli）- 自動編集モードの Gemini CLI
• codex-cli（エイリアス：cx-cli）- 全自動モードの Codex CLI
• claude-cli（エイリアス：cl-cli）- acceptEdits モードの Claude CLI

カスタム CLI モデルの追加：

~/.multi_mcp/config.yaml に追加してください（モデルの設定を参照）。

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 モデルを使用するには、それぞれに対応する CLI ツールがインストールされている必要があります。

# 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 の使用方法（実験的）

Multi-MCP には、MCP クライアントを必要とせずにコードレビューを実行できる、スタンドアロンの CLI が含まれています。

⚠️ 注意： CLI は実験的な機能であり、現在も活発に開発されています。

# Review a directory
multi src/

# Review specific files
multi src/server.py src/config.py

# Use a different model
multi --model mini src/

# JSON output for CI/pipelines
multi --json src/ > results.json

# Verbose logging
multi -v src/

# Specify project root (for CLAUDE.md loading)
multi --base-path /path/to/project src/

Multi-MCP を選ぶ理由

機能	Multi-MCP	単一モデルのツール
モデルの並列実行	✅	❌
複数モデルによる合意形成	✅	さまざま
モデル間のディベート	✅	❌
CLI と API モデルのサポート	✅	❌
OWASP セキュリティ分析	✅	さまざま

トラブルシューティング

「API キーが見つかりません」

• .env ファイルに少なくとも 1 つの API キーを追加してください
• 読み込まれていることを確認してください：uv run python -c "from multi_mcp.settings import settings; print(settings.openai_api_key)"

統合テストが失敗する

• 環境変数 RUN_E2E=1 を設定してください
• API キーが有効で、十分なクレジットがあることを確認してください

デバッグモード：

export LOG_LEVEL=DEBUG # INFO is default
uv run python -m multi_mcp.server

詳細については、logs/server.log のログを確認してください。

よくある質問

Q: 3 つの AI プロバイダーすべてが必要ですか？ A: いいえ。OpenAI、Anthropic、Google のいずれか 1 つの API キーがあれば始められます。

Q: 本当に並列で実行されますか？ A: はい！codereview、compare、または debate ツールを使用すると、Python の asyncio.gather() を使ってすべてのモデルが同時に実行されます。つまり、すべての応答時間の合計ではなく、最も遅いモデルの応答にかかる時間で複数のモデルから応答を得られます。

Q: 同時に実行できるモデルの数はいくつですか？ A: 厳密な上限はありません！必要な数のモデルを並列で実行できます。実際には、ほとんどの用途で 2～5 個のモデルが適しています。すべてのツールは設定済みのデフォルトモデル（通常は 2～3 個）を使用しますが、任意の数のモデルを指定できます。

貢献

皆さまからの貢献を歓迎します！以下については、CONTRIBUTING.md をご覧ください。

• 開発環境のセットアップ
• コード規約
• テストガイドライン
• プルリクエストの手順

クイックスタート：

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

ライセンス

MIT License - 詳細については LICENSE ファイルをご覧ください

リンク

• 課題トラッカー
• 貢献ガイド