MCP Coding Assistant с поддержкой OpenAI и других поставщиков LLM

Мощная реконструкция Claude Code на Python с улучшенной визуализацией в реальном времени, управлением затратами и возможностями сервера Model Context Protocol (MCP). Этот инструмент предоставляет интерфейс на естественном языке для задач разработки программного обеспечения с поддержкой нескольких поставщиков LLM.

Основные характеристики

• Поддержка нескольких поставщиков: работает с OpenAI, Anthropic и другими поставщиками LLM

• Интеграция протокола контекста модели:

  • Запуск в качестве сервера MCP для использования с Claude Desktop и другими клиентами

  • Подключитесь к любому серверу MCP с помощью встроенного клиента MCP

  • Многоагентная синхронизация для решения сложных проблем

• Визуализация инструмента в реальном времени: отслеживайте ход выполнения инструмента и результаты в реальном времени.

• Управление расходами: отслеживайте использование токенов и расходы с помощью бюджетного контроля.

• Комплексный набор инструментов: операции с файлами, поиск, выполнение команд и многое другое

• Улучшенный пользовательский интерфейс: богатый интерфейс терминала с индикаторами хода выполнения и подсветкой синтаксиса

• Оптимизация контекста: интеллектуальное сжатие разговоров и управление памятью

• Координация агентов: специализированные агенты с разными ролями могут совместно работать над задачами.

Related MCP server: MCP Simple OpenAI Assistant

Установка

1. Клонировать этот репозиторий

2. Установить зависимости:

3. Создайте файл .env с вашими ключами API:

Использование

Режим CLI

Запустите CLI с поставщиком по умолчанию (определяется по доступным ключам API):

Укажите поставщика и модель:

Установите лимит бюджета для управления расходами:

Режим сервера MCP

Запуск в качестве сервера Model Context Protocol:

Начните в режиме разработки с помощью MCP Inspector:

Настройте хост и порт:

Укажите дополнительные зависимости:

Загрузить переменные среды из файла:

Режим клиента MCP

Подключитесь к серверу MCP, используя Claude в качестве механизма рассуждений:

Укажите модель Клода:

Попробуйте включенный пример сервера:

Многоагентный режим MCP

Запустите многоагентный клиент с синхронизированными агентами:

Используйте пользовательский файл конфигурации агента:

Пример с эхо-сервером:

Доступные инструменты

• Вид: Чтение файлов с дополнительными ограничениями строк

• Редактировать: изменить файлы с точной заменой текста

• Заменить: создать или перезаписать файлы

• GlobTool: Поиск файлов по шаблону

• GrepTool: Поиск содержимого файла с использованием регулярных выражений

• LS: Список содержимого каталога

• Bash: выполнение команд оболочки

Команды чата

• /help: Показать доступные команды

• /compact: Сжать историю разговоров для сохранения токенов

• /version: Показать информацию о версии

• /providers: Список доступных поставщиков LLM

• /cost: Показать информацию о стоимости и использовании

• /budget [сумма]: Установить лимит бюджета

• /quit, /exit: Выход из приложения.

Архитектура

Claude Code Python Edition построен на основе модульной архитектуры:

Использование с протоколом контекста модели

Использование Claude Code в качестве MCP-сервера

После запуска сервера MCP вы можете подключиться к нему с помощью Claude Desktop или других клиентов, совместимых с MCP:

1. Установите и запустите сервер MCP:

   python claude.py serve

2. Откройте страницу конфигурации в вашем браузере:

   http://localhost:8000

3. Следуйте инструкциям по настройке Claude Desktop, включая:

   • Скопируйте конфигурацию JSON

   • Загрузите автоматически настроенный файл JSON

   • Пошаговые инструкции по настройке

Использование Claude Code в качестве MCP-клиента

Чтобы подключиться к любому серверу MCP с помощью Claude Code:

1. Убедитесь, что ваш ключ API Anthropic находится в файле среды или .env.

2. Запустите сервер MCP, к которому вы хотите подключиться.

3. Подключитесь с помощью клиента MCP:

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

4. Введите запросы в интерактивном интерфейсе чата

Использование многоагентного режима

Для сложных задач многоагентный режим позволяет нескольким специализированным агентам сотрудничать:

1. Создайте файл конфигурации агента или используйте предоставленный пример.

2. Запустите свой MCP-сервер

3. Запустите многоагентный клиент:

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

4. Используйте командный интерфейс для взаимодействия с несколькими агентами:

   • Введите сообщение для трансляции всем агентам

   • Используйте /talk Agent_Name message для прямого общения

   • Используйте /agents чтобы увидеть всех доступных агентов.

   • Используйте /history для просмотра истории разговоров.

Внося вклад

1. Форк репозитория

2. Создать ветку функций

3. Внедрите свои изменения с помощью тестов

4. Отправить запрос на извлечение

Лицензия

Массачусетский технологический институт

Благодарности

Этот проект вдохновлен инструментом Claude Code CLI от Anthropic, переработанным на Python с дополнительными функциями для улучшенной видимости, управления затратами и возможностями сервера MCP.# OpenAI Code Assistant

Мощный помощник по кодированию на основе командной строки и API, использующий API OpenAI с вызовом функций и потоковой передачей.

Функции

• Интерактивный CLI для помощи в кодировании

• Веб-API для интеграции с другими приложениями

• Реализация сервера Model Context Protocol (MCP)

• Поддержка репликации для высокой доступности

• Архитектура на основе инструментов для расширяемости

• Обучение с подкреплением для оптимизации инструментов

• Веб-клиент для взаимодействия через браузер

Установка

1. Клонировать репозиторий

2. Установить зависимости:

   pip install -r requirements.txt

3. Установите свой ключ API OpenAI:

   export OPENAI_API_KEY=your_api_key

Использование

Режим CLI

Запустите помощника в интерактивном режиме CLI:

Параметры:

• --model , -m : Укажите модель для использования (по умолчанию: gpt-4o)

• --temperature , -t : Установить температуру для генерации ответа (по умолчанию: 0)

• --verbose , -v : Включить подробный вывод с дополнительной информацией

• --enable-rl/--disable-rl : Включить/отключить обучение с подкреплением для оптимизации инструмента

• --rl-update : вручную запустить обновление модели RL

Режим API-сервера

Запустите помощник как API-сервер:

Параметры:

• --host : Адрес хоста для привязки (по умолчанию: 127.0.0.1)

• --port , -p : Порт для прослушивания (по умолчанию: 8000)

• --workers , -w : Количество рабочих процессов (по умолчанию: 1)

• --enable-replication : Включить репликацию между экземплярами

• --primary/--secondary : Является ли этот экземпляр первичным или вторичным

• --peer : Экземпляры одноранговых узлов для репликации (хост:порт), можно указать несколько раз

Режим сервера MCP

Запустите помощник как сервер Model Context Protocol (MCP):

Параметры:

• --host : Адрес хоста для привязки (по умолчанию: 127.0.0.1)

• --port , -p : Порт для прослушивания (по умолчанию: 8000)

• --dev : Включить режим разработки с дополнительным протоколированием

• --dependencies : Дополнительные зависимости Python для установки

• --env-file : Путь к файлу .env с переменными среды

Режим клиента MCP

Подключитесь к серверу MCP, используя помощника в качестве механизма рассуждений:

Параметры:

• --model , -m : Модель, используемая для рассуждений (по умолчанию: gpt-4o)

• --host : Адрес хоста для сервера MCP (по умолчанию: 127.0.0.1)

• --port , -p : Порт для сервера MCP (по умолчанию: 8000)

Скрипт развертывания

Для более простого развертывания используйте предоставленный скрипт:

Чтобы включить репликацию:

Веб-клиент

Чтобы использовать веб-клиент, откройте web-client.html в браузере. Убедитесь, что сервер API запущен.

Конечные точки API

Стандартные конечные точки API

• POST /conversation : Создать новый разговор

• POST /conversation/{conversation_id}/message : Отправить сообщение в беседу

• POST /conversation/{conversation_id}/message/stream : Потоковая передача ответа на сообщение

• GET /conversation/{conversation_id} : Получить детали разговора

• DELETE /conversation/{conversation_id} : Удалить беседу

• GET /health : Конечная точка проверки работоспособности

Конечные точки протокола MCP

• GET / : Проверка работоспособности (протокол MCP)

• POST /context : Получить контекст для шаблона подсказки

• GET /prompts : Список доступных шаблонов подсказок

• GET /prompts/{prompt_id} : Получить определенный шаблон подсказки

• POST /prompts : Создать новый шаблон подсказки

• PUT /prompts/{prompt_id} : обновить существующий шаблон приглашения

• DELETE /prompts/{prompt_id} : Удалить шаблон подсказки

Репликация

Система репликации позволяет запускать несколько экземпляров помощника с синхронизированным состоянием. Это обеспечивает:

• Высокая доступность

• Балансировка нагрузки

• Отказоустойчивость

Чтобы настроить репликацию:

1. Запустите первичный экземпляр с помощью --enable-replication

2. Запустите вторичные экземпляры с помощью --enable-replication --secondary --peer [primary-host:port]

Инструменты

Помощник включает в себя различные инструменты:

• Погода: Получите текущую погоду для определенного местоположения.

• Вид: Чтение файлов из файловой системы

• Редактировать: Редактировать файлы

• Заменить: Записать файлы

• Bash: выполнение команд bash

• GlobTool: Сопоставление файлов с шаблоном

• GrepTool: Поиск контента

• LS: Список содержимого каталога

• JinaSearch: поиск в Интернете с использованием Jina.ai.

• JinaFactCheck: проверка фактов с помощью Jina.ai

• JinaReadURL: чтение и обобщение веб-страниц

Команды CLI

• /help : Показать справочное сообщение

• /compact : Сжать разговор, чтобы уменьшить использование токенов.

• /status : Показать использование токена и информацию о сеансе

• /config : Показать текущие настройки конфигурации

• /rl-status : Показать статус оптимизатора инструмента RL (если включен)

• /rl-update : Обновить модель RL вручную (если включено)

• /rl-stats : Показать статистику использования инструмента (если включено)