关于 LLM Bridge MCP
LLM Bridge MCP 是一款 MCP 服务,让 AI Agent 通过统一接口调用多个 LLM 提供商。它支持配置生成参数,并跟踪使用情况指标。
主要功能
- 01统一访问多个 LLM 提供商
- 02支持 OpenAI、Anthropic、Google 和 DeepSeek
- 03可配置 temperature 和令牌上限
- 04通过 Pydantic AI 进行类型校验
- 05使用情况跟踪与指标
适用场景
- 01在 AI Agent 中切换模型
- 02通过一个工具调用不同 LLM 提供商
MCP 相关
该服务向 MCP 客户端提供 run_llm 工具,支持选择模型并传入提示词及生成参数。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
LLM Bridge MCP
LLM Bridge MCP 让 AI Agent 能够通过标准化接口与多个大模型交互。它利用 Message Control Protocol(MCP)实现对不同 LLM 提供商的无缝访问,方便在不同模型之间切换,或在同一个应用中使用多个模型。
功能
- 为多个 LLM 提供商提供统一接口:
- OpenAI(GPT 模型)
- Anthropic(Claude 模型)
- Google(Gemini 模型)
- DeepSeek
- ...
- 使用 Pydantic AI 构建,确保类型安全和验证
- 支持自定义 temperature 和 max tokens 等参数
- 提供用量跟踪和指标
工具
该服务实现了以下工具:
run_llm(
prompt: str,
model_name: KnownModelName = "openai:gpt-4o-mini",
temperature: float = 0.7,
max_tokens: int = 8192,
system_prompt: str = "",
) -> LLMResponse
prompt:要发送给 LLM 的文本提示词model_name:要使用的特定模型(默认值:"openai:gpt-4o-mini")temperature:控制随机性(0.0 至 1.0)max_tokens:要生成的最大 token 数量system_prompt:可选的系统提示词,用于指导模型的行为
安装
通过 Smithery 安装
要通过 Smithery 自动为 Claude Desktop 安装 llm-bridge-mcp:
npx -y @smithery/cli install @sjquant/llm-bridge-mcp --client claude
手动安装
- 克隆仓库:
git clone https://github.com/yourusername/llm-bridge-mcp.git
cd llm-bridge-mcp
- 安装 uv(如果尚未安装):
# On macOS
brew install uv
# On Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# On Windows
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
配置
在根目录中创建 .env 文件,并填入你的 API 密钥:
OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key
GOOGLE_API_KEY=your_google_api_key
DEEPSEEK_API_KEY=your_deepseek_api_key
使用方法
与 Claude Desktop 或 Cursor 配合使用
在 Claude Desktop 配置文件或 .cursor/mcp.json 中添加服务条目:
"mcpServers": {
"llm-bridge": {
"command": "uvx",
"args": [
"llm-bridge-mcp"
],
"env": {
"OPENAI_API_KEY": "your_openai_api_key",
"ANTHROPIC_API_KEY": "your_anthropic_api_key",
"GOOGLE_API_KEY": "your_google_api_key",
"DEEPSEEK_API_KEY": "your_deepseek_api_key"
}
}
}
故障排除
常见问题
1. “spawn uvx ENOENT”错误
此错误表示系统无法在 PATH 中找到 uvx 可执行文件。解决方法如下:
解决方案:使用 uvx 的完整路径
查找 uvx 可执行文件的完整路径:
# On macOS/Linux
which uvx
# On Windows
where.exe uvx
然后更新 MCP 服务配置,以使用完整路径:
"mcpServers": {
"llm-bridge": {
"command": "/full/path/to/uvx", // Replace with your actual path
"args": [
"llm-bridge-mcp"
],
"env": {
// ... your environment variables
}
}
}
许可证
本项目采用 MIT 许可证,详情请参阅 LICENSE 文件。
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。