Multi-MCP

Multi-MCP：面向 Claude Code 的多模型代码审查与分析 MCP 服务

一款多模型 AI 编排 MCP 服务，用于自动代码审查和由大模型驱动的分析。Multi-MCP 集成了 Claude Code CLI 和 OpenCode，可编排多个 AI 模型（OpenAI GPT、Anthropic Claude、Google Gemini），用于代码质量检查、安全分析（OWASP Top 10）和多 Agent 共识。此工具基于 Model Context Protocol (MCP) 构建，帮助 Python 开发者和 DevOps 团队在开发工作流中直接借助 AI 提供的洞见，自动执行代码审查。

功能特性

• 🔍 代码审查 - 系统化工作流，包含 OWASP Top 10 安全检查和性能分析
• 💬 聊天 - 可感知代码仓库上下文的交互式开发辅助
• 🔄 比较 - 并行多模型分析，为架构决策提供支持
• 🎭 辩论 - 多 Agent 共识工作流（独立回答 + 评议）
• 🤖 多模型支持 - OpenAI GPT、Anthropic Claude、Google Gemini 和 OpenRouter
• 🖥️ CLI 和 API 模型 - 混合使用基于 CLI 的模型（Gemini CLI、Codex CLI）和 API 模型
• 🏷️ 模型别名 - 使用 mini、sonnet、gemini 等简短名称
• 🧵 线程 - 在多步骤审查中保持上下文

工作原理

Multi-MCP 作为 MCP 服务运行，Claude Code 或 OpenCode 可连接到该服务，以使用 AI 驱动的代码分析工具：

1. 安装 MCP 服务并配置 AI 模型 API 密钥
2. 通过 make install 自动与 Claude Code 或 OpenCode 集成
3. 使用自然语言调用工具（例如：“multi codereview this file”）
4. 获取多个并行编排的 AI 模型返回的结果

性能

快速多模型分析：

• ⚡ 并行执行 - 约 10 秒运行 3 个模型（顺序执行约需 30 秒）
• 🔄 异步架构 - 非阻塞 Python asyncio
• 💾 对话线程 - 在多步骤审查中保持上下文
• 📊 低延迟 - 响应时间取决于最慢的模型，而非所有模型耗时之和

快速开始

前置条件：

• Python 3.11+
• 至少一个提供商的 API 密钥（OpenAI、Anthropic、Google 或 OpenRouter）

安装

选项 1：从源代码安装

# Clone and install
git clone https://github.com/religa/multi_mcp.git
cd multi_mcp
# Execute ./scripts/install.sh
make install

# The installer will:
# 1. Install dependencies (uv sync)
# 2. Generate your .env file
# 3. Automatically add to Claude Code / OpenCode config (requires jq)
# 4. Test the installation

选项 2：手动配置

如果不想运行 make install：

# Install dependencies
uv sync

# Copy and configure .env
cp .env.example .env
# Edit .env with your API keys

将以下内容添加到 Claude Code（~/.claude.json）或 OpenCode（~/.opencode/opencode.json）中，并将 /path/to/multi_mcp 替换为实际的克隆路径：

Claude Code：

{
  "mcpServers": {
    "multi": {
      "type": "stdio",
      "command": "/path/to/multi_mcp/.venv/bin/python",
      "args": ["-m", "multi_mcp.server"]
    }
  }
}

OpenCode：

{
  "mcp": {
    "multi": {
      "type": "local",
      "command": ["/path/to/multi_mcp/.venv/bin/python", "-m", "multi_mcp.server"],
      "enabled": true
    }
  }
}

配置

环境配置（API 密钥和设置）

Multi-MCP 按以下顺序从 .env 文件加载设置（优先级从高到低）：

1. 环境变量（已在 shell 中设置）
2. 项目 .env（当前目录或项目根目录）
3. 用户 .env（~/.multi_mcp/.env）——pip 安装时的回退选项

编辑 .env 并填写 API 密钥：

# API Keys (configure at least one)
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GEMINI_API_KEY=...
OPENROUTER_API_KEY=sk-or-...

# Azure OpenAI (optional)
AZURE_API_KEY=...
AZURE_API_BASE=https://your-resource.openai.azure.com/

# AWS Bedrock (optional)
AWS_ACCESS_KEY_ID=...
AWS_SECRET_ACCESS_KEY=...
AWS_REGION_NAME=us-east-1

# Model Configuration
DEFAULT_MODEL=gpt-5-mini
DEFAULT_MODEL_LIST=gpt-5-mini,gemini-3-flash

模型配置（添加自定义模型）

模型在 YAML 配置文件中定义（用户配置优先）：

1. 软件包默认配置：multi_mcp/config/config.yaml（随软件包一同提供）
2. 用户覆盖配置：~/.multi_mcp/config.yaml（可选，优先级更高）

如需添加自己的模型，请创建 ~/.multi_mcp/config.yaml（示例请参阅 config.yaml 和 config.override.example.yaml）：

version: "1.0"

models:
  # Add a new API model
  my-custom-gpt:
    litellm_model: openai/gpt-4o
    aliases:
      - custom
    notes: "My custom GPT-4o configuration"

  # Add a custom CLI model
  my-local-llm:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "llama3.2"
    cli_parser: text
    aliases:
      - local
    notes: "Local LLaMA via Ollama"

  # Override an existing model's settings
  gpt-5-mini:
    constraints:
      temperature: 0.5  # Override default temperature

合并行为：

• 新模型会与软件包默认模型并存
• 已有模型会进行合并（你的设置会覆盖软件包默认设置）
• 可以将软件包模型的别名“转给”自定义模型

使用示例

在 MCP 客户端（Claude Code 或 OpenCode）中安装后，可使用以下命令：

💬 聊天 - 交互式开发辅助：

Can you ask Multi chat what's the answer to life, universe and everything?

🔍 代码审查 - 使用指定模型分析代码：

Can you multi codereview this module for code quality and maintainability using gemini-3 and codex?

🔄 比较 - 获取多种观点（使用默认模型）：

Can you multi compare the best state management approach for this React app?

🎭 辩论 - 通过批判进行深入分析：

Can you multi debate the best project code name for this project?

启用允许列表

编辑 ~/.claude/settings.json，并将以下行添加到 permissions.allow，以允许 Claude Code 使用 Multi MCP，而不会因用户权限确认而受阻：

{
  "permissions": {
    "allow": [
      ...
      "mcp__multi__chat",
      "mcp__multi__codereview",
      "mcp__multi__compare",
      "mcp__multi__debate",
      "mcp__multi__models"
    ],
  },
  "env": {
    "MCP_TIMEOUT": "300000",
    "MCP_TOOL_TIMEOUT": "300000"
  },
}

模型别名

使用简短别名代替完整模型名称：

别名	模型	提供商
mini	gpt-5.6-luna	OpenAI
nano	gpt-5.6-luna	OpenAI
gpt	gpt-6-astra	OpenAI
astra	gpt-6-astra	OpenAI
sol	gpt-5.6-sol	OpenAI
terra	gpt-5.6-terra	OpenAI
luna	gpt-5.6-luna	OpenAI
codex	gpt-5.3-codex	OpenAI
fable	claude-fable-5-1	Anthropic
opus	claude-opus-5	Anthropic
sonnet	claude-sonnet-5	Anthropic
haiku	claude-haiku-4.5	Anthropic
gemini	gemini-3.1-pro-preview	Google
gemini-3	gemini-3.1-pro-preview	Google
flash	gemini-3.8-flash	Google
flash-lite	gemini-3.5-flash-lite	Google
azure-mini	azure-gpt-5-mini	Azure
bedrock-sonnet	bedrock-claude-4-5-sonnet	AWS

运行 multi:models 查看所有可用模型和别名。

CLI 模型

Multi-MCP 可以执行 基于 CLI 的 AI 模型（例如 Gemini CLI、Codex CLI 或 Claude CLI），并与 API 模型配合使用。CLI 模型以子进程形式运行，可与所有现有工具无缝协作。

优势：

• 使用具有完整工具访问权限的模型（文件操作、Shell 命令）
• 在 compare 和 debate 工作流中混合使用 API 和 CLI 模型
• 利用本地 CLI，避免 API 开销

内置 CLI 模型：

• gemini-cli（别名：gem-cli）- Gemini CLI，采用自动编辑模式
• codex-cli（别名：cx-cli）- Codex CLI，采用全自动模式
• claude-cli（别名：cl-cli）- Claude CLI，采用 acceptEdits 模式

添加自定义 CLI 模型：

添加到 ~/.multi_mcp/config.yaml（请参阅模型配置）：

version: "1.0"

models:
  my-ollama:
    provider: cli
    cli_command: ollama
    cli_args:
      - "run"
      - "codellama"
    cli_parser: text  # "json", "jsonl", or "text"
    aliases:
      - ollama
    notes: "Local CodeLlama via Ollama"

前置条件：

CLI 模型需要安装相应的 CLI 工具：

# Gemini CLI
npm install -g @anthropic-ai/gemini-cli

# Codex CLI
npm install -g @openai/codex

# Claude CLI
npm install -g @anthropic-ai/claude-code

CLI 用法（实验性）

Multi-MCP 提供了一个独立的 CLI，可在无需 MCP 客户端的情况下进行代码审查。

⚠️ 注意： CLI 仍处于实验阶段，正在积极开发中。

# Review a directory
multi src/

# Review specific files
multi src/server.py src/config.py

# Use a different model
multi --model mini src/

# JSON output for CI/pipelines
multi --json src/ > results.json

# Verbose logging
multi -v src/

# Specify project root (for CLAUDE.md loading)
multi --base-path /path/to/project src/

为什么选择 Multi-MCP？

功能	Multi-MCP	单模型工具
并行执行模型	✅	❌
多模型共识	✅	不定
模型辩论	✅	❌
支持 CLI 和 API 模型	✅	❌
OWASP 安全分析	✅	不定

故障排除

“未找到 API 密钥”

• 在 .env 文件中至少添加一个 API 密钥
• 验证密钥是否已加载：uv run python -c "from multi_mcp.settings import settings; print(settings.openai_api_key)"

集成测试失败

• 设置 RUN_E2E=1 环境变量
• 验证 API 密钥有效且额度充足

调试模式：

export LOG_LEVEL=DEBUG # INFO is default
uv run python -m multi_mcp.server

查看 logs/server.log 中的日志，了解详细信息。

常见问题

问：我需要这三个 AI 提供商吗？ 答：不需要，只需一个 API 密钥（OpenAI、Anthropic 或 Google）即可开始使用。

问：它真的会并行运行吗？ 答：是的！使用 codereview、compare 或 debate 工具时，所有模型都会通过 Python 的 asyncio.gather() 并发执行。这意味着，你只需等待响应最慢的模型，就能同时收到多个模型的回复，而不必等待所有模型的响应时间之和。

问：我可以同时运行多少个模型？ 答：没有硬性限制！你可以按需并行运行任意数量的模型。实际上，2-5 个模型适用于大多数用例。所有工具都会使用你配置的默认模型（通常为 2-3 个），但你可以指定任意数量的模型。

参与贡献

欢迎贡献！请参阅 CONTRIBUTING.md，了解：

• 开发环境设置
• 代码规范
• 测试指南
• 拉取请求流程

快速开始：

git clone https://github.com/YOUR_USERNAME/multi_mcp.git
cd multi_mcp
uv sync --extra dev
make check && make test

许可证

MIT 许可证 - 详情请参阅 LICENSE 文件

链接

• 问题跟踪
• 贡献指南