Skip to main content
Glama
LZMW

Aurai Advisor (上级顾问 MCP)

by LZMW
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

上级顾问 MCP (Aurai Advisor)

让本地 AI 获取远程 AI 指导的 MCP 服务器

版本: v2.2.0 (重构与文件上传修复) 状态: [OK] 生产就绪 发布日期: 2026-01-24 优化模型: GLM-4.7 (智谱 AI)

功能特点

  • [OK] 多轮对话机制 - 智能追问，逐步解决问题

  • [OK] 智能对话管理 - 自动检测新问题并清空历史，确保干净的上下文

  • [OK] 智能工具引导 - 工具描述中包含相关工具推荐

  • [OK] 文件上传支持 ⭐ - 支持通过 sync_context 上传文件，大文件自动分批发送

  • [OK] GLM-4.7 优化 - 基于 GLM-4.7 模型参数硬编码优化（200K 上下文）

  • [OK] 对话历史持久化 - 自动保存到用户目录

  • [OK] GUI 配置工具 - 可视化配置生成

v2.2.0 更新说明

⚠️ 重要：旧版用户迁移指南

如果您已经安装了 v2.1.x 或更早版本，请注意以下迁移事项：

情况 1：使用 custom provider（OpenAI 兼容 API）的用户 ✅

好消息：无需重新安装或重新配置！

# 只需升级版本即可 cd D:\mcp-aurai-server git pull origin main pip install -e ".[all-dev]" # 重启 Claude Code，自动生效

  • ✅ 新的环境变量（AURAI_CONTEXT_WINDOW、AURAI_MAX_MESSAGE_TOKENS、AURAI_MAX_TOKENS）是可选的

  • ✅ 默认值已针对 GLM-4.7 优化（200K 上下文）

  • ✅ 文件上传修复是透明的，会自动生效

情况 2：使用 zhipu、openai、anthropic、gemini provider 的用户 ❌

需要迁移：v2.2.0 移除了这些 provider，需要切换到 custom + OpenAI 兼容 API。

迁移步骤（以智谱 AI 为例）：

# 1. 删除旧配置 claude mcp remove aurai-advisor -s user # 2. 重新添加（使用 custom provider） claude mcp add --scope user --transport stdio aurai-advisor \ --env AURAI_API_KEY="your-api-key" \ --env AURAI_BASE_URL="https://open.bigmodel.cn/api/paas/v4/" \ --env AURAI_MODEL="glm-4.7" \ -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server" # 3. 重启 Claude Code

各服务商迁移配置：

原提供商

新 AURAI_BASE_URL

推荐模型

zhipu

https://open.bigmodel.cn/api/paas/v4/

glm-4.7

openai

https://api.openai.com/v1

gpt-4o

anthropic

需使用第三方兼容 API

-

gemini

需使用第三方兼容 API

-

提示：升级后，建议运行 python .ai_temp/test_file_upload_fix.py 验证文件上传功能是否正常。

重大变更

  1. 简化服务商支持

    • ✅ 只保留 custom provider（OpenAI 兼容 API）

    • ❌ 移除 zhipu、openai、anthropic、gemini 直接支持

    • ✅ 所有兼容 OpenAI API 的服务均可使用

  2. 文件上传功能修复 ⭐

    • ✅ 修复 sync_context 文件内容未发送给上级 AI 的问题

    • ✅ 大文件自动分批发送（超过 max_message_tokens 时）

    • ✅ 动态 Token 估算，根据配置自动调整

  3. GLM-4.7 模型优化 🎯

    • ✅ 基于 GLM-4.7 模型参数设置默认值

    • ✅ 上下文窗口：200,000 tokens（默认）

    • ✅ 单条消息上限：150,000 tokens（默认）

    • ✅ 最大输出：32,000 tokens（默认）

    • ✅ 支持通过环境变量覆盖（适用于其他模型）

GLM-4.7 Token 配置说明

本版本采用 GLM-4.7 模型参数作为默认值，同时支持通过环境变量覆盖（适用于其他模型）：

配置项

默认值

环境变量

说明

context_window

200,000

AURAI_CONTEXT_WINDOW

GLM-4.7 上下文窗口上限

max_message_tokens

150,000

AURAI_MAX_MESSAGE_TOKENS

单条文件消息上限

max_tokens

32,000

AURAI_MAX_TOKENS

上级 AI 最大输出长度

Token 分配策略：

200K (总上下文) ├── 32K (输出) - 上级 AI 的分析回复 └── 168K (输入) ├── ~18K (系统 + 历史 + 问题) ├── 150K (最大单条文件) └── ~ - 安全边际

容量参考：

  • 单文件上传上限：~15-20 万中文字符

  • 上级 AI 输出上限：~2-3 万中文字符

  • 对话历史：约 10-15 轮完整对话

注意：默认值基于 GLM-4.7 优化，使用其他模型时可通过环境变量调整。

快速开始

1. 安装

# 进入项目目录 cd mcp-aurai-server # 创建虚拟环境 python -m venv venv venv\Scripts\activate # Windows # source venv/bin/activate # macOS/Linux # 安装依赖 pip install -e ".[all-dev]" # 验证安装 python .ai_temp/test_file_upload_fix.py # 预期: ✅ 所有测试通过！

2. 配置

重要: 使用 --scope user 确保在所有项目中都可用。

claude mcp add --scope user --transport stdio aurai-advisor \ --env AURAI_API_KEY="your-api-key" \ --env AURAI_BASE_URL="https://api.example.com/v1" \ --env AURAI_MODEL="gpt-4o" \ -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

3. 使用

重启 Claude Code 后，在对话中直接描述编程问题：

我遇到了一个 KeyError 问题，错误信息是 'api_key' not found 相关代码如下： [粘贴代码]

AI 会自动判断是否调用 consult_aurai 工具。

MCP 工具

consult_aurai（主要工具）

请求上级 AI 指导解决编程问题

参数:

  • problem_type: 问题类型（runtime_error/syntax_error/design_issue/other）

  • error_message: 错误描述

  • code_snippet: 代码片段（可选）

  • context: 上下文信息（可选）

  • is_new_question: 是否为新问题（可选，默认false）

返回: 上级 AI 的分析和建议

🔗 相关工具:

  • sync_context：上传文档或代码文件（支持 .md 和 .txt）

  • report_progress：报告执行进度并获取下一步指导

  • get_status：查看当前对话状态、配置信息

对话历史管理:

  • 自动清空: 当上级AI返回 resolved=true 时，自动清空对话历史

  • 手动清空: 设置 is_new_question=true 强制清空历史

  • 历史限制: 最多保存50条历史记录

sync_context ⭐

同步代码上下文，上传文件供上级 AI 阅读

参数:

  • operation: 操作类型（full_sync/incremental/clear）

  • files: 文件路径列表（支持 .txt 和 .md）

  • project_info: 项目信息字典（可选）

功能特性:

  • 📄 支持上传 Markdown 和文本文件

  • 🔄 大文件自动分批发送（避免超出 Token 限制）

  • 📏 智能 Token 估算（中文 1.5字/token，英文 4字/token）

典型使用场景:

# 场景 1: 上传代码文件（避免截断） shutil.copy('main.py', 'main.txt') # 转换为 .txt sync_context( operation='incremental', files=['main.txt'], project_info={'language': 'Python'} ) # 场景 2: 上传文档供评审 sync_context( operation='full_sync', files=['README.md', 'docs/设计文档.md'], project_info={'task': 'code_review'} )

report_progress

报告执行进度

参数:

  • actions_taken: 已执行的行动

  • result: 执行结果（success/failed/partial）

get_status

获取当前状态

返回:

  • 对话历史数量

  • 模型配置

  • Token 限制配置

文档

文档

说明

用户手册

完整使用指南

安装指南

Claude Code 专用安装

开发文档

技术细节和架构

环境变量

必填

变量

说明

示例

AURAI_API_KEY

API 密钥

sk-xxx

AURAI_BASE_URL

API 地址

https://open.bigmodel.cn/api/paas/v4/

AURAI_MODEL

模型名称

glm-4.7

可选

变量

说明

默认值

AURAI_TEMPERATURE

温度参数（0.0-2.0）

0.7

AURAI_MAX_HISTORY

对话历史最大保存数

50

AURAI_CONTEXT_WINDOW

上下文窗口大小（tokens）

200000（基于 GLM-4.7）

AURAI_MAX_MESSAGE_TOKENS

单条消息最大 tokens

150000

AURAI_MAX_TOKENS

最大输出 tokens

32000

Token 配置说明

默认值（基于 GLM-4.7）：

  • context_window: 200,000 tokens

  • max_message_tokens: 150,000 tokens

  • max_tokens: 32,000 tokens

其他模型参考：

  • Claude 3.5 Sonnet: 200,000 / 140,000 / 64,000

  • GPT-4o: 128,000 / 100,000 / 32,000

  • DeepSeek: 64,000 / 50,000 / 16,000

配置示例

# 使用智谱 AI GLM-4.7（推荐，使用默认值） AURAI_API_KEY=your-api-key AURAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/ AURAI_MODEL=glm-4.7 # Token 配置使用默认值，无需设置 # 使用 Claude 3.5 Sonnet（调整 Token 配置） AURAI_API_KEY=your-api-key AURAI_BASE_URL=https://api.anthropic.com AURAI_MODEL=claude-3-5-sonnet-20241022 AURAI_CONTEXT_WINDOW=200000 AURAI_MAX_MESSAGE_TOKENS=140000 AURAI_MAX_TOKENS=64000 # 使用 DeepSeek（调整 Token 配置） AURAI_API_KEY=your-api-key AURAI_BASE_URL=https://api.deepseek.com/v1 AURAI_MODEL=deepseek-chat AURAI_CONTEXT_WINDOW=64000 AURAI_MAX_MESSAGE_TOKENS=50000 AURAI_MAX_TOKENS=16000 # 使用其他兼容 API AURAI_API_KEY=your-key AURAI_BASE_URL=https://your-api.com/v1 AURAI_MODEL=your-model # 根据模型规格调整 Token 配置

项目结构

mcp-aurai-server/ ├── src/mcp_aurai/ # MCP Server 源代码 │ ├── server.py # 主服务器（4个工具） │ ├── config.py # 配置管理 │ ├── llm.py # OpenAI 兼容客户端 │ ├── prompts.py # 提示词模板 │ └── utils.py # 工具函数 │ ├── tools/ │ └── control_center.py # GUI 配置工具 │ ├── tests/ # 测试用例 │ ├── test_server.py │ ├── test_llm.py │ └── test_config.py │ ├── docs/ # 文档 │ ├── 用户手册.md │ ├── CLAUDE_CODE_INSTALL.md │ └── 开发文档.md │ ├── README.md # 本文件 ├── pyproject.toml # 项目配置 └── .env.example # 环境变量示例

故障排查

每次打开 Claude Code 都要重新安装？

原因：使用了本地范围（local），只在特定目录可用。

解决方案：使用 --scope user 重新安装

claude mcp remove aurai-advisor -s local claude mcp add --scope user ...

MCP 工具没有出现

claude mcp list # 检查配置 claude mcp remove aurai-advisor -s local # 删除旧配置 claude mcp add --scope user ... # 重新添加

ModuleNotFoundError

cd D:\mcp-aurai-server python -m venv venv # 创建虚拟环境 venv\Scripts\activate pip install -e ".[all-dev]" # 安装项目

401 Unauthorized

  • 检查 API 密钥是否正确

  • 访问提供商平台重新生成密钥

404 Model not found

  • 检查模型名称拼写

  • 使用提供商 API 确认可用模型

文件内容未发送给上级 AI

  • 确保 sync_context 调用成功

  • 查看日志中的 "文件已拆分为 X 个片段" 消息

  • 检查 AURAI_MAX_MESSAGE_TOKENS 配置

测试

# 运行文件上传功能测试 python .ai_temp/test_file_upload_fix.py # 运行所有测试 pytest tests/ -v # 运行特定测试 pytest tests/test_server.py -v pytest tests/test_llm.py -v pytest tests/test_config.py -v # 查看测试覆盖率 pytest tests/ --cov=src/mcp_aurai --cov-report=html

获取帮助

许可证

MCP Aurai Server 双重许可协议

项目名称: mcp-aurai-server 版本: v2.2.0 状态: [OK] 生产就绪 发布日期: 2026-01-24

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

How are these scores calculated?

Resources

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/LZMW/mcp-aurai-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server