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
- 01生成多个 LLM 的共识结果
- 02选择 fast、balanced 或 deep 模式
- 03衡量模型回答间的分歧
- 04逐步增加模型组合以满足置信度目标
- 05返回置信度和模型响应元数据
适用场景
- 01为高风险回答征求第二意见
- 02在审核时标记回答分歧
- 03根据置信度目标选择模型路由
- 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。
工具
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
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
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。