OpenAI MCP Server

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.

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)