mcpField
O
OpenClaw Consensus

OpenClaw Consensus

本地服务
github.com/MICONNMAI 与智能体022 周前更新

关于 OpenClaw Consensus

OpenClaw Consensus MCP 将多模型答案审查带给 MCP 客户端,供维护者核查重要回答、摘要或路由决策。它提供共识结果与分歧信号,也可逐步尝试更大的模型组合以达到置信度目标。

主要功能

  1. 01生成多个 LLM 的共识结果
  2. 02选择 fast、balanced 或 deep 模式
  3. 03衡量模型回答间的分歧
  4. 04逐步增加模型组合以满足置信度目标
  5. 05返回置信度和模型响应元数据

适用场景

  1. 01为高风险回答征求第二意见
  2. 02在审核时标记回答分歧
  3. 03根据置信度目标选择模型路由
  4. 04采纳摘要前进行复核

MCP 相关

该服务将 OpenClaw Consensus API 封装为三种 MCP 工具:共识生成、分歧评分和最低成本路由选择。

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。

mcp.json · 通用配置
{
"mcpServers": {
"miconnm-openclaw-consensus": {
"command": "uvx",
"args": [
"openclaw-consensus-mcp"
],
"env": {
"RAPIDAPI_KEY": "<RAPIDAPI_KEY>"
}
}
}
}
启动命令uvx openclaw-consensus-mcp
需要配置的环境变量
RAPIDAPI_KEY密钥Your RapidAPI key from https://rapidapi.com/yanmiayn/api/openclaw-consensus

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypiopenclaw-consensus-mcp0.1.1

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

OpenClaw Consensus MCP

CI PyPI License: MIT

在 MCP 客户端中实现多模型共识:比较答案、发现分歧,并仅在必要时升级处理。

OpenClaw Consensus MCP 将 OpenClaw Consensus API 封装为三个 Model Context Protocol 工具。它适用于维护者希望在接受有风险的答案、审查摘要或路由决策之前获得第二意见的工作流。

功能

OpenClaw 会将相同的提示词提交给多个模型,然后返回:

  • 带有置信度和模型响应元数据的共识答案,
  • 根据深度共识响应得出的分歧启发式指标,以及
  • 成本最低的路由建议,尝试使用规模较小的模型集,必要时再升级。

此 MCP 服务将这三项功能作为工具提供,让 Claude Desktop / Claude Code 可以在对话过程中调用。

为什么需要共识?

单个模型可能会给出自信却错误的答案。比较多个响应并不能证明答案正确,但意见分歧是一个有用的信号,提醒维护者更仔细地审查输出。

安装

pip install openclaw-consensus-mcp
# or
uv pip install openclaw-consensus-mcp

你还需要 OpenClaw Consensus API 的 RapidAPI 密钥: https://rapidapi.com/yanmiayn/api/openclaw-consensus

在环境中设置该密钥:

export RAPIDAPI_KEY="your-rapidapi-key"

Claude Desktop 配置

添加到 ~/.claude/claude_desktop_config.json(macOS/Linux)或 %APPDATA%\Claude\claude_desktop_config.json(Windows):

{
  "mcpServers": {
    "openclaw-consensus": {
      "command": "openclaw-consensus",
      "env": {
        "RAPIDAPI_KEY": "your-rapidapi-key"
      }
    }
  }
}

对于 Claude Code:

claude mcp add openclaw-consensus -- openclaw-consensus

工具

consensus(prompt, mode="balanced")

获取 9 个大模型的共识答案。

  • prompt (string) — 问题。
  • mode (string, default balanced) — deep(9 个模型)、balanced(5 个)或 fast(3 个)。

返回

{
  "consensus": "string",
  "confidence": 0.0,
  "models_responded": 5,
  "votes": []
}

consensus 工具会原样返回上游 API 响应。随着端点演进,字段可能会增加。

disagreement_score(prompt)

衡量深度共识响应对某个提示词的分歧程度。

返回

{
  "disagreement": 0.0,
  "confidence": 1.0,
  "models_responded": 9,
  "votes": []
}
cheapest_route(prompt, target_quality=0.85)

依次尝试 fast、balanced 和 deep 模式,直到达到置信度阈值。

返回

{
  "selected_mode": "balanced",
  "models_used": 5,
  "confidence": 0.9,
  "answer": "string"
}

本地开发

git clone https://github.com/MICONNM/openclaw-consensus-mcp
cd openclaw-consensus-mcp
uv venv && source .venv/bin/activate
uv pip install -e ".[dev]"
pytest

使用官方 MCP Inspector 对服务进行冒烟测试:

npx @modelcontextprotocol/inspector openclaw-consensus

发布

uv build
uv publish      # to PyPI
mcp-publisher publish   # to the official MCP Registry

开发工作流请参阅 CONTRIBUTING.md;分流、审查、安全和发布职责请参阅 docs/maintainer-workflow.md。

限制

  • 共识仅用于辅助审查,不能保证正确性。
  • 依赖网络的工具需要配置 OpenClaw 端点,且可能产生服务提供商费用。
  • 除非你的端点策略明确允许,否则不要发送密钥、私有源代码或个人数据。

安全

请按照 SECURITY.md 中的流程私下报告漏洞。

许可证

MIT — 详见 LICENSE。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。