tachibot-mcp

---

最新动态

v2.35.1

• 规划器的代码分析改由 DeepSeek V4 Pro 执行，不再使用 Qwen3-Coder-Next（议会中唯一的小模型）。这增加了第六个实验室。设置 TACHI_PLANNER_TIER=standard 可使用更便宜的阵容。
• 评审团的 GPT 评审员现固定使用 gpt-6.1-sol。 它之前一直在悄悄使用便宜的默认模型 gpt-6-luna。可通过 TACHI_JURY_OPENAI_MODEL 覆盖。
• 修复：
  • 规划器不再指向其配置未注册的工具（code_focus 缺少 qwen_reason）。
  • planner_runner 的 50% 门槛现在会传递正确的参数。
  • 工作流步骤守卫现在使用文件读取器自身的解析方式检查路径。
• 工具数量仍为 67。

v2.35.0

• Gemini 4 Argon 成为推理／裁判默认模型（10 月 13 日 GA）。在我们的裁判测试中，即使按 12 月 1 日的价格（$4/$20）计算，它也比 3.1 Pro 更快、更便宜；在一个真实差异上，它还发现了 3.1 Pro 判为“无缺陷，5/5”的问题。无需更改代码即可切回：TACHI_GEMINI_PRO_MODEL=gemini-3.1-pro-preview。
• 模型更新，所有 ID 均已实时验证：
  • gpt-6.1-sol（SOL 级别，现在也用于 openai_search）
  • grok_search 使用 grok-4.7
  • 搜索和 Flash 使用 gemini-3.8-flash
  • stepfun/step-5-preview、GLM 5.3，以及 DeepSeek V4.1 Flash 后备模型
• jev_decide 现已可用。 它会向 TypeSafe Jev 请求是／否、选项或评分答案，并以校准概率形式返回，每次调用约 $0.00002。工作流可以根据它的答案进行分支（if: "gate.answers.grounded.noul < 0.6"），/council、/review、/prompt 和 /write 会将其用作校准检查。
• 后备模型不会再静默启用，也可以关闭。 由备用模型生成的答案会以 [degraded: X unavailable — <reason>; answered by Y] 开头。设置 TACHI_MODEL_FALLBACK=off 可彻底关闭备用模型。额度用尽不会触发回退。
• 修复：
  • Gemini 补救后的答案此前会被丢弃。
  • OpenRouter 回退此前只会在单一错误类型下触发。
  • nextThought OpenAI 步骤可能会静默地不调用任何模型。
  • Grok 搜索超时此前会忽略响应正文。
• 安全性：工作流步骤设有信任边界。 步骤只能运行配置启用的工具，只能读取工作目录内的文件（禁止使用 ..、逃逸符号链接，或访问 .env 和密钥等机密），且无法启用 Grok Heavy。
• 移除了 ernie_reason（Baidu 于 10 月 8 日退出 OpenRouter）。新增 jev_decide 并移除 ernie_reason 后，工具数量仍为 67。

v2.34.0

• GPT-6 Astra 是 OpenAI 的默认模型。 gpt-6-astra（2026 年 9 月 3 日；$10/$50，1.05M 上下文）现在为 openai_reason、openai_brainstorm、openai_code_review、spec_writer、tachi 以及 diff_review / plan_critique 中的 GPT 评审器提供支持。Astra 首先向一小部分组织推出，因此，如果某个组织没有访问权限，调用会回退到 gpt-5.6-sol，然后是 gpt-5.6-terra。openai_explain 仍使用 sol——低投入的解释不需要旗舰模型。
• 此前完全无法调用 GPT-6 模型。 callOpenAI 仅对名称以 gpt-5. 开头的模型使用 Responses API，因此 Astra 会落到 Chat Completions，并带上 temperature: 0.7，最终收到 400 错误。现在，gpt-6-* 会改用 Responses API，且不带 temperature；Astra 不接受的 none / minimal 推理力度会改为 low。
• qwq_reason 恢复可用。 OpenRouter 已下架 qwen/qwq-32b（每次调用都会返回 404），因此该工具现在使用 qwen/qwen3.8-27b，推理力度为 medium，并以 235B 思考模型作为后备——在一道探测题上，2.0 秒即可答对，费用为 $0.0007。工具名称和参数均未改变。
• 工具数量仍为 67。

v2.33.0

• 写作系列（storm、re3、de_generic）。 该库有创意思考技巧（what_if、innovate、alt_view、creative_use），却没有创意写作技巧：面对 7 阶段流水线，第 4 阶段（结构）和第 5 阶段（草稿）为空，第 6 阶段（修订）则落到 reflexion——它优化的方向是正确，而散文修订关注的是删减、节奏和具体性。85 → 88 项技巧。
• blog_writer——一次调用即可完成经调研的长文写作，组合使用 storm 和 re3，而不是保留它们文本的私有副本。只要编辑任一模板，副本就会立刻产生偏差，而且这种偏差会悄无声息地发生，因为两条路径仍会生成格式良好的文章。research: true 会先进行人物访谈，再将 3 个出人意料的回答纳入四轮写作。66 → 67 个工具；已在 full、balanced 和 research_power 配置中启用。
• preview_prompt_technique(technique="auto") 没有处理写作意图的路径。 RECOMMEND_RULES 没有匹配规则，因此“写一篇博客文章”会落到 CORE_TECHNIQUES.slice(0, 3)——chain_of_note / astute_rag / spotlighting——而 list_prompt_techniques 却将 auto 宣传为使用入口。现在，写作动词会路由到 storm、re3、de_generic。
• blog_writer 会在 maxTokens: 8000 处静默截断。 与只输出一个成果的同类工具不同，它的输出包含同一篇文章的多份完整稿件（re3 的草稿、重组和逐行编辑版本，以及 storm 的 16 个标注回答）。按文档自身示例使用的字数计算，8000 已达到上限，而截断时不会报错。现已提高至 16000。
• 防偏移测试无法检测偏移。 “使用模板而非私有副本”的测试只断言了特征性短语，而副本也会符合这些断言；现在改为断言引擎实时生成的确切输出。

v2.32.0

• 表格类（新增 7 种技术）——此前完全没有覆盖数据形态的任务，因此“筛选这些行”会落入通用核心约定。data_assert 会先说明下游目的，再通过带有计数的可执行断言检查数据，因为筛选器悄无声息地匹配到零行，与正常运行无法区分。此外还有 chain_of_table、sub_table_first、sql_stages、xlsx_map、table_format、self_debug。
• 检索类补齐（新增 3 种）——astute_rag 先依据记忆作答，再标注每个来源是认同、补充还是冲突，并明确解决每个冲突；crag 将来源评为正确、模糊或错误，并根据评级采取行动，因为搜索总会返回最相近的结果，无法返回空结果；hyde 先起草你希望存在的答案，再用它的词汇进行搜索，随后丢弃草稿。
• 聚光隔离围栏只有 24 位熵，而非 32 位。 untrustedFence() 调用了 randomBytes(3)，而其注释块中的推理却得出了 4。聚光隔离的全部安全性在于攻击者无法猜出关闭代码块所需的分隔符，因此这个不足会实质性削弱安全性。现已改为 8 个十六进制字符，与文档说明一致。
• 目录扩充三次后，list_prompt_techniques 的说明中仍残留字面量 37（37 → 74 → 85）——模型会读取这段文本，以决定是否调用该工具。现在改为从 FLAT_TECHNIQUES.length 推导。
• 技术数量从 74 增至 85。 工具数量仍为 66。

v2.31.0

• 提示技术库从 37 种扩充至 74 种，补齐此前覆盖率为 零的三个类别。检索（4 种）： TachiBot 提供五种搜索工具，却没有指导如何处理搜索结果的规范——检索到的文本未经筛选就直接进入推理，这正是来源引用错误却语气笃定的原因。提示注入防御（1 种）： 这些工具同样会摄入未经隔离的非可信网页文本，因此，页面上写着“忽略之前的指令”时，模型会把它当作我们自己的提示词来读；spotlighting 会为其设置隔离围栏并明确规则。少样本学习（5 种）： 此前没有任何技术涉及示例的选择或排序，尽管这比大多数推理技巧更能提升准确率。
• 八种轨迹管理技术，基于 2026 年 6 月至 8 月的研究，包括 hourglass（压缩为规则，丢弃探索过程，并根据规则重新生成，而非追加错误）和 backtrack（回退到最后一个已验证检查点，而非重新开始或打补丁）。
• 将 12 条原始提示词改写为指令。 早期版本使用电报式简写，读起来像标签而非请求，导致模型需要自行推断任务。
• 为所有技术新增推荐规则——74 种技术已经多到让人难以记住名称，因此 RECOMMEND_RULES 新增了八个分组，对应人们实际描述情况的方式。没有这些规则，就只有预先知道名称的人才能找到新技术。

v2.30.1

• 工具描述不再提及模型版本。 19 条描述已重写，现在会说明提供方和任务，而不是写死“GPT-5.2”“Kimi K3”或“424B MoE”之类的字符串——每次模型升级都会让这些信息悄然过时，进而误导路由模型。其中两条描述完全有误：openai_reason 和 openai_search 标称使用“GPT-5.2”，但代码实际调用的是当前 OpenAI 旗舰级模型。
• grok_search 终于说明了选择它的理由。 它原来的整条描述只有“Web search”，根本无法让人知道为什么要选它，而不是另外四个搜索工具。现在的描述说明了它基于实时 X 和新闻信息的优势，并指出更便宜的选择是 grok_search_lite。五个 OpenRouter 推理工具（deepseek_reason、glm_reason、stepfun_reason、ernie_reason、qwen_reason）之前也只在厂商信息上有所不同；现在每个工具都包含了实际的选择规则。
• 修正 Claude Desktop 清单——它标称有 65 个工具（实际为 66 个），TACHIBOT_PROFILE 帮助信息中遗漏了 heavy_coding 配置，并错误地声称 OPENAI_API_KEY 提示的密钥用于 Qwen 和 QwQ 工具（这些工具通过 OpenRouter 路由）。
• 打包不再破坏工作树。 scripts/package-extension.sh 会运行 npm install --production，删除开发依赖，导致之后无法通过 tsc 构建。现在脚本结束时会恢复完整的依赖树。
• 服务自报版本为 v2.0.0。 serverInfo.version 早在约 28 个次要版本之前、工具数量只有 12 个时就被硬编码，因此 Claude Desktop 的连接器面板会错误识别所有安装。现在版本会从 package.json 读取。/setup 向导中的配置规模信息也同样过时，现已与实际的六种配置一致。
• 更正 v2.30.0 中的信息：grok_search_lite 没有问题，且会继续保留。 那个版本声称 grok-4.3“也不会调用网页搜索”，这会让便宜的搜索档毫无用处。8 月 15 日再次测试时询问当天日期：grok-4.3 执行了 2 次网页搜索，并在 10.4 秒内返回了引用；grok-4.6 也做到了同样的事，用时 36.4 秒。 Lite 有信息依据、更便宜且快 3–4 倍——高频查询时优先选择它。仍然无法提供信息依据的是 grok-4.5。现在为便宜档新增了独立的信息依据测试，因为此前没有测试覆盖它。
• 未新增或移除工具——总数仍为 66。

v2.30.0

• grok_search 没有执行搜索。 它使用的是 grok-4.5，该模型从不调用 xAI Agent Tools API 中的 web_search 工具，因此它根据训练数据作答，却仍会显示来源页脚和一行根据 max_search_results 在本地计算的“搜索最多使用 N 个来源”费用信息，而非真实用量。8 月 14 日的探测中，询问当天日期时，grok-4.5 回复 “October 10, 2025”，且没有任何 web_search_call 条目；grok-4.6 则正确回复，调用了两次搜索并提供了引用。 grok_search 现在使用 grok-4.6（价格仍为每百万 token $2/$6，上下文仍为 500K，与 4.5 相同）。回归测试验证的是有依据——包含一个 web_search_call 和 ≥1 条标注——而不是答案文本，因为看似可信但没有依据的答案，正是此前掩盖问题的原因。
• 更正下方 v2.27.0 的说明： grok_search_lite 从未以每百万 token $0.20/$0.50 的价格使用 grok-4-1-fast。xAI 已弃用该 ID，并悄悄改为提供 grok-4.3——HTTP 200，替换情况只在响应正文的 model 字段中披露，因此没有报错，也没有触发回退。此前宣称的“便宜约 10 倍”实际上只有约 1.6 倍。
• 13 处 console.log 调用破坏了 MCP 协议流。 stdio 服务的 stdout 是 JSON-RPC 通道；诊断信息现在会写入 stderr，并由测试加以保护，该测试也会拒绝 console.info、console.debug 和 process.stdout.write。
• create_workflow 会悄悄销毁已有的工作流文件——存在性检查保护的是目录，而不是文件。现在除非设置 overwrite: true，否则它会拒绝覆盖，并报告真实的 .tachibot/workflows/ 路径，而不是 .tachi/workflows/。
• 八个提示词映射会将字面字符串 "undefined" 注入系统提示词，适用于任何无法识别的 approach/task，因为 || 回退逻辑位于索引内部。已在 grok_reason、grok_code、kimi_thinking、qwen_reason、deepseek_reason、glm_reason、stepfun_reason、ernie_reason 中修复。
• 工作流步骤使用了错误的模型——qwen_algo 步骤调用 QwQ-32B 并使用通用提示词，而非 Qwen3.8-Max；qwq_reason 则完全丢失了 4 个角色的讨论流程。现在这两者都会委托给真正的工具。另外，planner_maker 的 qwen_coder 步骤发送了一个架构不接受的参数，因此每次执行都会验证失败。
• 测试套件数量从 130 增至 158。实时搜索探测现在需通过 RUN_LIVE_TESTS=1 显式启用，因此普通的 npm test 不再调用会产生费用的 API。

v2.28.0

• Qwen3.8 Max（8 月 3 日，qwen/qwen3.8-max）——阿里巴巴的新旗舰模型，于同日正式发布，现为 qwen_algo、qwen_reason 和 qwen_reason 评审模型提供支持。上下文为 1M（原为 262K），支持多模态输入（文本+图像+视频），并且是首个支持可配置推理强度的 Qwen 模型。每百万 token $2/$6。
• 在一道范围查询算法题上进行测评时，五个 Qwen 候选模型中，只有 3.8 Max 同时指出了离线与在线方案的权衡，以及包含重复值时严格不等式的边界情况。即将替换的 qwen3-235b-a22b-thinking-2507 答案正确但不够深入；qwen3.7-max 的成本高出 1.6 倍，耗时是其两倍；qwen3-max-thinking 则被直接淘汰——它返回的推理 token 数为零。
• 推理强度有意固定为 medium。 该模型的默认推理强度表现得像 high：单次 qwen_algo 调用耗时 302 秒，费用 $0.09。设为 medium 后，同一次调用能以相同深度在 18–48 秒内作答，费用为 $0.006–0.018——相比替换掉的模型，不仅更便宜，速度也快 3.5 倍；后者耗时 169 秒、费用 $0.036，答案还更短。low 会开始遗漏备选方案，因此不使用。
• 为 OpenRouter 增加 reasoning_effort 透传——callOpenRouter 现在会转发该参数；对于未列出此参数的模型，OpenRouter 会将其丢弃，因此配额回退链（3.8 Max → 3.7 Max → 235B Thinking）仍然安全。Qwen3.8/3.7-Max 也加入了 600 秒扩展超时组。
• qwen_coder、qwen_competitive、testgen 继续使用 Qwen3-Coder-Next——它专为编码而优化，价格低约 16 倍（每百万 token $0.12/$0.80）；3.8 Max 属于推理档，而非代码生成档。

v2.27.1

• Kimi K3（7 月 16 日，moonshotai/kimi-k3）现已为所有 Kimi 工具、kimi 评审员以及 diff_review 中的 Kimi 席位提供支持。2.8T 开放权重 MoE——目前发布的最大开源模型——拥有 1M 上下文（从 262K 提升）、原生多模态输入，以及在编码／Agent 基准测试中胜过 Opus 4.8 和 GPT-5.5 的长周期 Agentic 编码能力。请注意价格：每百万 token 输入／输出 $3/$15，是 K2.7-Code 的 4 倍——K2.7-Code 仍会作为自动回退选项（K3 → K2.7-Code → K2.6）。
• Gemini 3.7 Flash（8 月 13 日正式发布，gemini-3.7-flash）是 gemini_search 背后的全新搜索／主力层级——1M 上下文，截至 2026 年 12 月 31 日的首发价格为 $0.75/$3.75（之后为 $1.50/$7.50）；gemini-3.6-flash 仍作为回退选项。Flash-Lite 仍为 gemini-3.5-flash-lite（$0.30/$2.50）。
• 其余内容均已重新核验，保持不变——完整的提供商审计（7 月 26 日）确认，GPT-5.6、Grok 4.5、DeepSeek V4 Pro、GLM-5.2、MiniMax M3、StepFun 3.7、ERNIE 4.5 VL、Qwen Coder-Next 和 Perplexity Sonar 仍是目前可用的最新版本。Gemini 3.1 Pro 仍是推理／评审默认模型：Google 于 7 月 21 日发布了三个模型，跳过了 3.5 Pro。xAI 的分阶段推出已完成（欧盟于 7 月 17 日开放访问），因此 grok-4.3 回退选项现在用于应对配额／地区限制，而非绕过发布阶段。

v2.27.0

• Grok 4.5（7 月 8 日旗舰版，“Opus 级”）现已为所有 Grok 工具提供支持；在 xAI 完成按地区分阶段推出（欧盟预计 7 月中旬）期间，会自动回退到 grok-4.3——工具在各地都能正常使用，4.5 会自动启用。
• grok_search_lite（新工具，工具总数达 65 个）——使用 grok-4-1-fast 的相同 Grok 实时搜索（$0.20/$0.50，2M 上下文），比 grok_search 便宜约 10 倍。适用于高频查询以及评审／委员会扇出调用。
• GPT-5.6 层级——openai_* 工具改用 gpt-5.6-sol（旗舰版，价格与 5.5 相同，为 $5/$30，但能力更强）、用于代码的 terra（达到 5.5 级别，价格减半）以及用于解释的 luna（$1/$6）。$30/$180 的 gpt-5.5-pro 层级由 sol + 推理强度取代；权限回退选项（sol → terra → 5.5）可覆盖受组织权限限制的账户。

v2.26.1

• /test 和 /audit 技能（技能总数达 19 个）——/test 通过 testgen 生成可运行的测试；/audit 通过 security_review 执行 OWASP/CWE 安全审查。
• 在向导中安装技能——tachibot init 现在会提供安装 Claude Code 技能的选项，并支持逐项跳过（[Enter]=全部 · [s]=选择要跳过的项 · [n]=不安装）。技能需选择启用——postinstall 不再静默写入 ~/.claude（npm run install-skills 仍会以非交互方式安装所有技能）。
• 修复——一键式 .mcpb 扩展现在指向有效入口点（此前已损坏），并会跟踪软件包版本；在非交互式／CI 标准输入环境下，tachibot init 现在会正常退出，不再卡住。

v2.26.0

提示词堆栈，现代化改造

• refine_prompt（新工具） — 在廉价／快速模型上运行的可选提示词改进工具：原始查询 → 目标优先的简报 + 变更内容 + 开放问题。绝不会自动触发，也不会执行任何操作——你先审阅，再使用简报。在 Claude Code 中，/prompt refine 会将开放问题作为可点击选项呈现，并将你的回答合并到最终简报中。
• 精简的技巧列表 — list_prompt_techniques 现在默认列出仍能帮助 2026 年推理模型的约 9 种核心技巧（例如 scot、pre_mortem、bdd_spec 等输出约定）；设置 all=true 可查看全部 31 种。
• technique="auto" — preview_prompt_technique 会根据你的任务推荐合适的技巧并说明理由。向 tachi 询问“改进我的提示词”，即可查看按症状分类的菜单。

设置，化繁为简

• tachibot init（新的命令行向导） — 检测你的 API 密钥和客户端，并输出 Claude Code 和 Claude Desktop 的准确配置。绝不会写入或回显密钥。
• 一键安装 Claude Desktop — 从最新版本下载 .mcpb 并双击即可。无需编辑 JSON。
• doctor — 显示哪些密钥已设置、哪些工具可见或隐藏及其原因，以及建议优先尝试的操作。

新增工具与技能（66 个工具 · 19 个技能）

• debug_triage — 按优先级排列根因假设，并为每项提供成本最低的判别性检查（Grok 4.3）
• spec_writer — 将宽泛请求转化为可评审的规格说明：用户故事、Given/When/Then、范围外内容、待解决问题（GPT-5.5）
• diff_review / plan_critique / testgen / security_review — 多模型差异审查、对抗式计划红队评审、测试生成、OWASP/CWE 审计
• 技能：/review、/redteam、/spec、/triage、/setup

修复

• focus 编排界面：将 37 行重复脚手架代码精简为 10 行重点内容
• npm test 再次以 0 退出（未取消的竞态计时器在 Jest teardown 后仍然运行）
• GPT-5.5 高强度推理不再在 3 分钟时被截断（超时从 180s 延长至 600s）

---

技能（Claude Code）

TachiBot 为 Claude Code 提供 19 个斜杠命令。这些命令会将工具编排为强大的工作流：

技能	功能	示例
/setup	引导式配置 — 运行 doctor，并逐步配置密钥和配置档案	/setup
/spec	先将请求转化为可评审的规格说明，再进行规划	/spec add OAuth somehow
/blueprint	多模型规划 → 拆分为易处理的 TDD 步骤	/blueprint add OAuth with refresh tokens
/judge	多模型评审团 — 并行分析并综合结果	/judge how to implement rate limiting
/think	使用任意模型进行顺序推理	/think grok,gemini design a cache layer
/focus	基于模式的推理（辩论、研究、分析）	/focus architecture-debate Redis vs Pg
/breakdown	战略性分解并进行事前验尸	/breakdown refactor payment module
/decompose	拆分为子问题，并逐一深入分析	/decompose implement collaborative editor
/prompt	推荐合适的思考技巧（共 37 种）	/prompt why do users churn
/algo	使用 4 个专用模型进行算法分析（DeepSeek 主导）	/algo optimize LRU cache O(1)
/lens	利用 Kimi 的 1M 上下文窗口进行长上下文分析	/lens find inconsistencies in this spec
/reflect	基于外部证据进行有依据的反思循环	/reflect harden this auth middleware
/tot	思维树：分支 → 评审团筛选 → 综合	/tot design a rate limiter
/review	多模型差异审查 — 专家组评审 + Gemini 裁决	/review（或粘贴差异）
/redteam	对抗式计划红队评审 — 事前验尸、风险分析、计划修改	/redteam <paste plan>
/triage	按优先级排列的根因故障排查	/triage <paste stack trace>
/test	生成可运行的测试（优先覆盖边缘情况）	/test src/auth.ts
/audit	安全审查 — OWASP/CWE 发现项及修复方案	/audit the login handler
/tachi	帮助 — 查看可用技能、工具和密钥状态	/tachi

技能会自动适配已配置的 API 密钥。即使只配置了 1-2 个提供商，所有技能仍可使用。

准备开始？ 输入 /tachi 查看可用内容。

---

主要功能

多模型智能

• 67 个 AI 工具，覆盖 11 个提供商 — Perplexity、Grok、GPT-6、Gemini、Qwen、Kimi、MiniMax、DeepSeek、GLM（Zhipu）、StepFun、TypeSafe Jev，以及免费的本地模型（Ollama / LM Studio / llama.cpp / vLLM）
• Gemini 4 Argon（gemini-4-argon，GA 于 2026 年 10 月 13 日发布）— 默认用于推理和裁决；设置 TACHI_GEMINI_PRO_MODEL=gemini-3.1-pro-preview 可回退。Flash/搜索级别模型为 gemini-3.8-flash
• 多模型评审团 — planner_maker 综合六家实验室的计划，并拆分为易处理的 TDD 步骤。代码分析由 DeepSeek V4 Pro 执行；设置 TACHI_PLANNER_TIER=standard 可切换到成本更低的 Qwen3-Coder-Next 阵容
• 评审团 — GPT 评审员使用 gpt-6.1-sol；可通过 TACHI_JURY_OPENAI_MODEL 覆盖（例如 gpt-6-astra）
• 智能路由 — 自动选择模型，以获得最佳结果
• OpenRouter 网关 — 可选的单一 API 密钥，可用于所有提供商

高级工作流

• 基于 YAML 的工作流 — 带依赖关系图的多步骤 AI 流程
• 提示词工程 — 85 种有研究依据的技巧（包括 SCoT、ReAct、Reflexion、Chain-of-Note、Spotlighting）
• 验证检查点 — 50% / 80% / 100%，并提供自动化质量评分
• 并行执行 — 同时运行多个模型

工具配置

配置	工具数	最适用场景
最精简	14	快速任务、Token 预算较低
研究增强	38	深入调查、多来源研究
代码专注	43	软件开发、SWE 任务
均衡	56	通用场景、混合工作流
重度编码	59	最多代码工具 + Agent 工作流
完整（默认）	68	启用所有功能

开发者体验

• Claude Code — 一流支持
• Claude Desktop — 完全集成
• Cursor — 无缝协作
• TypeScript — 完整类型支持，可扩展

---

快速开始

安装

npm install -g tachibot-mcp

设置向导

npx -y -p tachibot-mcp tachibot init

检测你的密钥和客户端，然后输出适用于 Claude Code 和 Claude Desktop 的确切配置。

Claude Code（一行命令）

claude mcp add tachibot -- npx -y -p tachibot-mcp tachibot

然后使用 /mcp 验证。通过 --env 添加 API 密钥，例如 --env OPENROUTER_API_KEY=sk-or-xxx --env PERPLEXITY_API_KEY=pplx-xxx。

设置（Claude Desktop）

一键安装（最简单）： 从最新版本下载 tachibot-mcp.mcpb，然后双击该文件 — Claude Desktop 无需编辑 JSON 即可安装扩展。根据提示添加 API 密钥（也可以稍后在扩展设置中添加）。

网关模式（推荐） — 2 个密钥，支持所有提供商：

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "OPENROUTER_API_KEY": "sk-or-xxx",
        "PERPLEXITY_API_KEY": "pplx-xxx",
        "USE_OPENROUTER_GATEWAY": "true"
      }
    }
  }
}

直连模式 — 每个提供商使用一个密钥：

{
  "mcpServers": {
    "tachibot": {
      "command": "tachibot",
      "env": {
        "PERPLEXITY_API_KEY": "your-key",
        "GROK_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
        "GOOGLE_API_KEY": "your-key",
        "OPENROUTER_API_KEY": "your-key"
      }
    }
  }
}

获取密钥：OpenRouter | Perplexity

详细说明请参阅安装指南。

---

工具生态（67 个工具）

研究与搜索（6）

perplexity_ask · perplexity_reason · grok_search · grok_search_lite · openai_search · gemini_search

推理与规划（15）

grok_reason · openai_reason · qwen_reason · qwq_reason · kimi_thinking · kimi_decompose · deepseek_reason · glm_reason · stepfun_reason · planner_maker · planner_runner · list_plans · spec_writer · blog_writer

代码智能（11）

kimi_code · grok_code · grok_debug · qwen_coder · qwen_algo · qwen_competitive · deepseek_algo · minimax_code · minimax_agent · testgen · debug_triage

分析与判断（15）

gemini_analyze_text · gemini_analyze_code · gemini_judge · jury · diff_review · plan_critique · gemini_brainstorm · openai_brainstorm · openai_code_review · openai_explain · grok_brainstorm · grok_architect · security_review · jev_decide · kimi_long_context

元工具与编排（6）

think · nextThought · focus · tachi · doctor · usage_stats

工作流（9）

workflow · workflow_start · continue_workflow · list_workflows · create_workflow · visualize_workflow · workflow_status · validate_workflow · validate_workflow_file

提示词工程（4）

list_prompt_techniques · preview_prompt_technique · execute_prompt_technique · refine_prompt

本地模型（1）

local_query — 任何兼容 OpenAI 的本地服务（Ollama / LM Studio / llama.cpp / vLLM）。零成本、离线且私密；也可用作 local 评审团评审员（hermes 是受支持的旧版别名）。它会运行 LOCAL_LLM_MODEL 指向的任意模型 — 例如 Nous Hermes 版本（ollama pull hermes3）。请注意，Hermes agent 本身与模型无关 — 它可在 300 多种后端上运行（GPT、Claude、Gemini、DeepSeek，或可自托管的 Ollama/vLLM）— 因此，“Hermes” 从来不代表一定使用特定权重。

高级模式（额外功能）

• Challenger — 通过多模型事实核查进行批判性分析
• Verifier — 多模型共识验证
• Scout — 混合式智能信息搜集

---

使用示例

多模型规划

// Create a plan with multi-model council
planner_maker({ task: "Build a REST API with auth and tests", mode: "start" })
// → Grok searches → Qwen analyzes → Kimi decomposes → GPT critiques → Gemini synthesizes

// Execute with checkpoints
planner_runner({ plan: planContent, mode: "step", stepNum: 1 })
// → Automatic verification at 50%, 80% (kimi_decompose), and 100%

任务分解

kimi_decompose({
  task: "Migrate monolith to microservices",
  depth: 3,
  outputFormat: "dependencies"
})
// → Structured subtasks with IDs, parallel flags, acceptance criteria

代码审查

kimi_code({
  task: "review",
  code: "function processPayment(amount, card) { ... }",
  language: "typescript"
})
// → SWE-Bench 76.8% quality analysis

深度推理

focus({
  query: "Design a scalable event-driven architecture",
  mode: "deep-reasoning",
  models: ["grok", "gemini", "kimi"],
  rounds: 5
})

---

文档

• 完整文档
• 安装指南
• 配置
• 工具参考
• 工作流指南
• API 密钥指南
• 专注模式

设置指南

• Claude Code 设置
• Claude Desktop 设置
• 两种平台

---

贡献

欢迎贡献！请参阅 CONTRIBUTING.md 了解指南。

• 报告问题
• 请求功能

---