MCP Coding Assistant with support for OpenAI + other LLM Providers

支持 OpenAI 和其他大模型提供商的 MCP 编码助手

这是一个功能强大的 Python 版 Claude Code 重现实现，具有增强的实时可视化、成本管理和 Model Context Protocol（MCP）服务能力。该工具为软件开发任务提供自然语言界面，并支持多个大模型提供商。

主要功能

• 多提供商支持： 支持 OpenAI、Anthropic 和其他大模型提供商
• Model Context Protocol 集成：
  • 作为 MCP 服务运行，供 Claude Desktop 和其他客户端使用
  • 使用内置的 MCP 客户端连接到任意 MCP 服务
  • 多 Agent 同步，协同解决复杂问题
• 实时工具可视化： 实时查看工具执行进度和结果
• 成本管理： 通过预算控制跟踪 Token 用量和费用
• 全面的工具套件： 文件操作、搜索、命令执行等
• 增强的 UI： 丰富的终端界面，带有进度指示和语法高亮
• 上下文优化： 智能压缩对话和管理记忆
• Agent 协作： 具有不同职责的专用 Agent 可以协作完成任务

安装

1. 克隆此仓库
2. 安装依赖：

pip install -r requirements.txt

3. 创建包含 API 密钥的 .env 文件：

# Choose one or more providers
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# Optional model selection
OPENAI_MODEL=gpt-4o
ANTHROPIC_MODEL=claude-3-opus-20240229

使用方法

CLI 模式

使用默认提供商运行 CLI（根据可用的 API 密钥确定）：

python claude.py chat

指定提供商和模型：

python claude.py chat --provider openai --model gpt-4o

设置预算上限以管理成本：

python claude.py chat --budget 5.00

MCP 服务模式

作为 Model Context Protocol 服务运行：

python claude.py serve

使用 MCP Inspector 以开发模式启动：

python claude.py serve --dev

配置主机和端口：

python claude.py serve --host 0.0.0.0 --port 8000

指定其他依赖项：

python claude.py serve --dependencies pandas numpy

从文件加载环境变量：

python claude.py serve --env-file .env

MCP 客户端模式

使用 Claude 作为推理引擎连接到 MCP 服务：

python claude.py mcp-client path/to/server.py

指定 Claude 模型：

python claude.py mcp-client path/to/server.py --model claude-3-5-sonnet-20241022

试用随附的示例服务：

# In terminal 1 - start the server
python examples/echo_server.py

# In terminal 2 - connect with the client
python claude.py mcp-client examples/echo_server.py

多 Agent MCP 模式

启动一个包含同步 Agent 的多 Agent 客户端：

python claude.py mcp-multi-agent path/to/server.py

使用自定义 Agent 配置文件：

python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json

使用 echo 服务的示例：

# In terminal 1 - start the server
python examples/echo_server.py

# In terminal 2 - launch the multi-agent client
python claude.py mcp-multi-agent examples/echo_server.py --config examples/agents_config.json

可用工具

• View： 读取文件，可选择限制行数
• Edit： 通过精确替换文本修改文件
• Replace： 创建或覆盖文件
• GlobTool： 按模式匹配查找文件
• GrepTool： 使用正则表达式搜索文件内容
• LS： 列出目录内容
• Bash： 执行 Shell 命令

聊天命令

• /help： 显示可用命令
• /compact： 压缩对话历史以节省 Token
• /version： 显示版本信息
• /providers： 列出可用的大模型提供商
• /cost： 显示成本和用量信息
• /budget [amount]： 设置预算上限
• /quit, /exit： 退出应用程序

架构

Claude Code Python Edition 采用模块化架构构建：

/claude_code/
  /lib/
    /providers/      # LLM provider implementations
    /tools/          # Tool implementations
    /context/        # Context management
    /ui/             # UI components
    /monitoring/     # Cost tracking & metrics
  /commands/         # CLI commands
  /config/           # Configuration management
  /util/             # Utility functions
  claude.py          # Main CLI entry point
  mcp_server.py      # Model Context Protocol server

与 Model Context Protocol 配合使用

将 Claude Code 用作 MCP 服务

MCP 服务运行后，你可以从 Claude Desktop 或其他兼容 MCP 的客户端连接到它：

1. 安装并运行 MCP 服务：

   python claude.py serve
   

2. 在浏览器中打开配置页面：

   http://localhost:8000
   

3. 按照说明配置 Claude Desktop，包括：

   • 复制 JSON 配置
   • 下载自动配置的 JSON 文件
   • 按步骤完成设置

将 Claude Code 用作 MCP 客户端

若要使用 Claude Code 连接到任意 MCP 服务：

1. 确保环境变量或 .env 文件中包含 Anthropic API 密钥
2. 启动要连接的 MCP 服务
3. 使用 MCP 客户端连接：

   python claude.py mcp-client path/to/server.py
   

4. 在交互式聊天界面中输入查询

使用多 Agent 模式

对于复杂任务，多 Agent 模式允许多个专业 Agent 协同工作：

1. 创建 Agent 配置文件，或使用提供的示例
2. 启动 MCP 服务
3. 启动多 Agent 客户端：

   python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json
   

4. 使用命令界面与多个 Agent 交互：
   • 输入消息以广播给所有 Agent
   • 使用 /talk Agent_Name message 进行直接通信
   • 使用 /agents 查看所有可用的 Agent
   • 使用 /history 查看对话历史记录

参与贡献

1. Fork 此仓库
2. 创建功能分支
3. 编写更改并添加测试
4. 提交拉取请求

许可证

MIT

致谢

本项目受到 Anthropic 的 Claude Code CLI 工具启发，使用 Python 重新实现，并增加了增强可见性、成本管理和 MCP 服务功能。# OpenAI Code Assistant

一款功能强大的命令行和基于 API 的编码助手，使用 OpenAI API，并支持函数调用和流式传输。

功能

• 用于编码协助的交互式 CLI
• 用于与其他应用集成的 Web API
• Model Context Protocol（MCP）服务实现
• 支持复制，以实现高可用性
• 基于工具的可扩展架构
• 用于优化工具的强化学习
• 用于浏览器交互的 Web 客户端

安装

1. 克隆仓库
2. 安装依赖项：

   pip install -r requirements.txt
   

3. 设置你的 OpenAI API 密钥：

   export OPENAI_API_KEY=your_api_key
   

使用方法

CLI 模式

以交互式 CLI 模式运行助手：

python cli.py

选项：

• --model、-m：指定要使用的模型（默认值：gpt-4o）
• --temperature、-t：设置生成响应时使用的温度（默认值：0）
• --verbose、-v：启用详细输出，显示更多信息
• --enable-rl/--disable-rl：启用/禁用用于优化工具的强化学习
• --rl-update：手动触发强化学习模型更新

API 服务模式

将助手作为 API 服务运行：

python cli.py serve

选项：

• --host：要绑定的主机地址（默认值：127.0.0.1）
• --port、-p：要监听的端口（默认值：8000）
• --workers、-w：工作进程数量（默认值：1）
• --enable-replication：启用实例间复制
• --primary/--secondary：指定这是主实例还是副实例
• --peer：要进行复制的对等实例（host:port），可多次指定

MCP 服务模式

将助手作为 Model Context Protocol（MCP）服务运行：

python cli.py mcp-serve

选项：

• --host：要绑定的主机地址（默认值：127.0.0.1）
• --port、-p：要监听的端口（默认值：8000）
• --dev：启用开发模式并显示更多日志
• --dependencies：要安装的其他 Python 依赖项
• --env-file：包含环境变量的 .env 文件路径

MCP 客户端模式

使用助手作为推理引擎连接到 MCP 服务：

python cli.py mcp-client path/to/server.py

选项：

• --model、-m：用于推理的模型（默认值：gpt-4o）
• --host：MCP 服务的主机地址（默认值：127.0.0.1）
• --port、-p：MCP 服务的端口（默认值：8000）

部署脚本

如需更轻松地部署，请使用提供的脚本：

./deploy.sh --host 0.0.0.0 --port 8000 --workers 4

要启用复制：

# Primary instance
./deploy.sh --enable-replication --port 8000

# Secondary instance
./deploy.sh --enable-replication --secondary --port 8001 --peer 127.0.0.1:8000

Web 客户端

要使用 Web 客户端，请在浏览器中打开 web-client.html。确保 API 服务正在运行。

API 端点

标准 API 端点

• POST /conversation：创建新对话
• POST /conversation/{conversation_id}/message：向对话发送消息
• POST /conversation/{conversation_id}/message/stream：流式传输消息响应
• GET /conversation/{conversation_id}：获取对话详情
• DELETE /conversation/{conversation_id}：删除对话
• GET /health：健康检查端点

MCP 协议端点

• GET /：健康检查（MCP 协议）
• POST /context：获取提示词模板的上下文
• GET /prompts：列出可用的提示词模板
• GET /prompts/{prompt_id}：获取指定的提示词模板
• POST /prompts：创建新的提示词模板
• PUT /prompts/{prompt_id}：更新现有的提示词模板
• DELETE /prompts/{prompt_id}：删除提示词模板

复制

复制系统支持运行多个状态同步的助手实例。它提供：

• 高可用性
• 负载均衡
• 容错能力

设置复制：

1. 使用 --enable-replication 启动主实例
2. 使用 --enable-replication --secondary --peer [primary-host:port] 启动次要实例

工具

助手包含多种工具：

• Weather：获取指定位置的当前天气
• View：读取文件系统中的文件
• Edit：编辑文件
• Replace：写入文件
• Bash：执行 bash 命令
• GlobTool：匹配文件模式
• GrepTool：搜索内容
• LS：列出目录内容
• JinaSearch：使用 Jina.ai 搜索网页
• JinaFactCheck：使用 Jina.ai 进行事实核查
• JinaReadURL：读取并总结网页

命令行命令

• /help：显示帮助消息
• /compact：压缩对话以减少令牌用量
• /status：显示令牌用量和会话信息
• /config：显示当前配置设置
• /rl-status：显示 RL 工具优化器状态（如果已启用）
• /rl-update：手动更新 RL 模型（如果已启用）
• /rl-stats：显示工具使用统计信息（如果已启用）