Skip to main content
Glama
deenesjakoruzh

MCP Sage

by jalehman
OverviewInspectSchemaRelated ServersScoreDiscussions
TypeScript
Remote
7

mcp-sage

Сервер MCP (Model Context Protocol), который предоставляет инструменты для отправки запросов либо в модель O3 OpenAI, либо в Gemini 2.5 Pro от Google на основе количества токенов. Инструменты встраивают все указанные пути к файлам (рекурсивно для папок) в запрос. Это полезно для получения вторых мнений или подробных обзоров кода из модели, которая может точно обрабатывать множество контекстов.

Обоснование

Я активно использую Claude Code. Это отличный продукт, который хорошо подходит для моего рабочего процесса. Новые модели с большим объемом контекста кажутся действительно полезными для работы с более сложными кодовыми базами, где требуется больше контекста. Это позволяет мне продолжать использовать Claude Code в качестве инструмента разработки, одновременно используя возможности большого контекста O3 и Gemini 2.5 Pro для расширения ограниченного контекста Claude Code.

Related MCP server: Gemini Thinking MCP Server

Выбор модели

Сервер автоматически выбирает подходящую модель на основе количества токенов и доступных ключей API:

  • Для меньших контекстов (≤ 200 тыс. токенов): использует модель O3 OpenAI (если установлен OPENAI_API_KEY)

  • Для больших контекстов (> 200 тыс. и ≤ 1 млн токенов): использует Gemini 2.5 Pro от Google (если установлен GEMINI_API_KEY)

  • Если содержимое превышает 1 млн токенов: возвращает информационную ошибку.

Резервное поведение:

  • Резервный ключ API :

    • Если OPENAI_API_KEY отсутствует, Gemini будет использоваться для всех контекстов в пределах лимита в 1 млн токенов.

    • Если GEMINI_API_KEY отсутствует, с помощью O3 можно обрабатывать только меньшие контексты (≤ 200 тыс. токенов)

    • Если оба ключа API отсутствуют, возвращается информационная ошибка.

  • Резервное сетевое подключение :

    • Если API OpenAI недоступен (ошибка сети), система автоматически возвращается к Gemini.

    • Это обеспечивает устойчивость к временным сбоям в работе сети у одного провайдера.

    • Для работы резервного варианта требуется установить GEMINI_API_KEY

Вдохновение

Этот проект черпает вдохновение из двух других проектов с открытым исходным кодом:

Обзор

В этом проекте реализован сервер MCP, предоставляющий три инструмента:

sage-opinion

  1. Принимает в качестве входных данных приглашение и список путей к файлам/каталогам.

  2. Упаковывает файлы в структурированный формат XML

  3. Измеряет количество токенов и выбирает подходящую модель:

    • O3 для ≤ 200 тыс. токенов

    • Gemini 2.5 Pro для > 200 тыс. и ≤ 1 млн токенов

  4. Отправляет объединенную подсказку + контекст в выбранную модель

  5. Возвращает ответ модели

sage-review

  1. Принимает в качестве входных данных инструкцию по изменению кода и список путей к файлам/каталогам.

  2. Упаковывает файлы в структурированный формат XML

  3. Измеряет количество токенов и выбирает подходящую модель:

    • O3 для ≤ 200 тыс. токенов

    • Gemini 2.5 Pro для > 200 тыс. и ≤ 1 млн токенов

  4. Создает специализированную подсказку, указывающую модели форматировать ответы с использованием блоков ПОИСК/ЗАМЕНА

  5. Отправляет объединенный контекст + инструкцию выбранной модели

  6. Возвращает предложения по редактированию, отформатированные как блоки ПОИСК/ЗАМЕНА для легкой реализации

sage-plan

  1. Принимает в качестве входных данных запрос на план внедрения и список путей к файлам/каталогам.

  2. Упаковывает файлы в структурированный формат XML

  3. Организует многомодельные дебаты для разработки высококачественного плана внедрения

  4. Модели критикуют и совершенствуют планы друг друга в ходе нескольких раундов.

  5. Возвращает выигрышный план внедрения с подробными шагами

sage-plan - Многомодельные и самостоятельные рабочие процессы

Инструмент sage-plan не запрашивает план у одной модели. Вместо этого он организует структурированные дебаты , которые длятся один или несколько раундов, а затем просит отдельную модель-судью (или ту же модель в режиме CoRT) выбрать победителя.

1. Многомодельный поток дебатов

flowchart TD S0[Start Debate] -->|determine models, judge, budgets| R1 subgraph R1["Round 1"] direction TB R1GEN["Generation Phase<br/>*ALL models run in parallel*"] R1GEN --> R1CRIT["Critique Phase<br/>*ALL models critique others in parallel*"] end subgraph RN["Rounds 2 to N"] direction TB SYNTH["Synthesis Phase<br/>*every model refines own plan*"] SYNTH --> CONS[Consensus Check] CONS -->|Consensus reached| JUDGE CONS -->|No consensus & round < N| CRIT["Critique Phase<br/>*models critique in parallel*"] CRIT --> SYNTH end R1 --> RN JUDGE[Judgment Phase<br/>*judge model selects/merges plan*] JUDGE --> FP[Final Plan] classDef round fill:#e2eafe,stroke:#4169E1; class R1GEN,R1CRIT,SYNTH,CRIT round; style FP fill:#D0F0D7,stroke:#2F855A,stroke-width:2px style JUDGE fill:#E8E8FF,stroke:#555,stroke-width:1px

Ключевые этапы дискуссии о мультимоделях:

Фаза настройки

  • Система определяет доступные модели, выбирает судью и распределяет бюджеты токенов.

Раунд 1

  • Фаза генерации — каждая доступная модель (A, B, C и т. д.) параллельно пишет свой собственный план внедрения.

  • Фаза критики — каждая модель рассматривает все другие планы (но не свои собственные) и параллельно выдает структурированную критику.

Округляет от 2 до N (N по умолчанию равно 3)

  1. Фаза синтеза — каждая модель улучшает свой предыдущий план, используя полученные критические замечания (модели работают параллельно).

  2. Проверка консенсуса — модель судьи оценивает сходство между всеми текущими планами.

    • Если оценка ≥ 0,9, дебаты прекращаются раньше времени и переходят к суждению.

  3. Фаза критики — если консенсус не достигнут И мы не в финальном раунде, каждая модель снова критикует все остальные планы (параллельно)

Фаза суждения

  • После завершения всех раундов (или достижения раннего консенсуса) модель судьи (по умолчанию O3):

    • Выбирает один лучший план ИЛИ объединяет несколько планов в один лучший

    • Предоставляет оценку достоверности для своего выбора/синтеза

2. Поток самообсуждения — доступна одна модель

flowchart TD SD0[Start Self-Debate] --> R1 subgraph R1["Round 1 - Initial Plans"] direction TB P1[Generate Plan 1] --> P2[Generate Plan 2<br/>*different approach*] P2 --> P3[Generate Plan 3<br/>*different approach*] end subgraph RN["Rounds 2 to N"] direction TB REF[Generate Improved Plan<br/>*addresses weaknesses in all previous plans*] DEC{More rounds left?} REF --> DEC DEC -->|Yes| REF end R1 --> RN DEC -->|No| FP[Final Plan = last plan generated] style FP fill:#D0F0D7,stroke:#2F855A,stroke-width:2px

Когда доступна только одна модель, используется подход «Цепочка рекурсивных мыслей» (CoRT) :

  1. Начальный всплеск — модель генерирует три отдельных плана, каждый из которых использует свой подход.

  2. Раунды уточнения — для каждого последующего раунда (от 2 до N, по умолчанию N=3):

    • Модель рассматривает все предыдущие планы

    • Он критикует их изнутри, выявляя сильные и слабые стороны.

    • Создает один новый улучшенный план, который устраняет ограничения более ранних планов.

  3. Окончательный выбор — последний сформированный план становится окончательным планом реализации.

Что на самом деле происходит в коде (краткая справка)

Фаза/Функциональность

Расположение кода

Примечания

Генерация подсказок

prompts/debatePrompts.generatePrompt

Добавляет заголовок «# План внедрения (Модель X)»

Критические подсказки

prompts/debatePrompts.critiquePrompt

Использует разделы «## Критика плана {ID}»

Подсказки по синтезу

prompts/debatePrompts.synthesizePrompt

Модель пересматривает свой план

Проверка консенсуса

дебатыOrchestrator.checkКонсенсус

Модель судьи возвращает JSON с

consensusScore

Суждение

prompts/debatePrompts.judgePrompt

Судья возвращает "# Окончательный план реализации" + уверенность

Самостоятельная дискуссия

подсказки/debatePrompts.selfDebatePrompt

Цикл «Цепочка рекурсивных мыслей»

Соображения производительности и стоимости

⚠️ Важно: инструмент sage-plan может:

  • Выполнение займет значительное время (5–10 минут для нескольких моделей)

  • Потребление значительных токенов API из-за многочисленных раундов дебатов

  • Более высокие затраты, чем при подходах с одной моделью

Типичное использование ресурсов:

  • Многомодельные дебаты: в 2–4 раза больше токенов, чем при подходе с одной моделью

  • Время обработки: 5-10 минут в зависимости от сложности и доступности модели.

  • Стоимость API: 0,30–1,50 долл. США за генерацию плана (зависит от используемых моделей и сложности плана)

Предпосылки

  • Node.js (v18 или более поздняя версия)

  • Ключ API Google Gemini (для более масштабных контекстов)

  • Ключ API OpenAI (для меньших контекстов)

Установка

# Clone the repository git clone https://github.com/your-username/mcp-sage.git cd mcp-sage # Install dependencies npm install # Build the project npm run build

Переменные среды

Установите следующие переменные среды:

  • OPENAI_API_KEY : ваш ключ OpenAI API (для модели O3).

  • GEMINI_API_KEY : Ваш ключ API Google Gemini (для Gemini 2.5 Pro)

Использование

После сборки с помощью npm run build добавьте в конфигурацию MCP следующее:

OPENAI_API_KEY=your_openai_key GEMINI_API_KEY=your_gemini_key node /path/to/this/repo/dist/index.js

Вы также можете использовать переменные окружения, заданные в другом месте, например, в профиле оболочки.

Подсказка

Чтобы получить второе мнение по какому-либо вопросу, просто попросите высказать второе мнение.

Чтобы получить обзор кода, попросите провести обзор кода или экспертную оценку.

Оба варианта выигрывают от предоставления путей к файлам, которые вы хотите включить в контекст, но если они не указаны, то хост-LLM, вероятно, сам определит, что именно следует включить.

Отладка и мониторинг

Сервер предоставляет подробную информацию о мониторинге через возможность ведения журнала MCP. Эти журналы включают:

  • Статистика использования токенов и выбор модели

  • Количество файлов и документов, включенных в запрос

  • Метрики времени обработки запроса

  • Информация об ошибке при превышении лимита токенов

Журналы отправляются с помощью метода notifications/message протокола MCP, что гарантирует, что они не будут мешать коммуникации JSON-RPC. Клиенты MCP с поддержкой журналирования будут отображать эти журналы соответствующим образом.

Примеры записей журнала:

Token usage: 1,234 tokens. Selected model: o3-2025-04-16 (limit: 200,000 tokens) Files included: 3, Document count: 3 Sending request to OpenAI o3-2025-04-16 with 1,234 tokens... Received response from o3-2025-04-16 in 982ms
Token usage: 235,678 tokens. Selected model: gemini-2.5-pro-preview-03-25 (limit: 1,000,000 tokens) Files included: 25, Document count: 18 Sending request to Gemini with 235,678 tokens... Received response from gemini-2.5-pro-preview-03-25 in 3240ms

Использование инструментов

мудрец-мнение Инструмент

Инструмент sage-opinion принимает следующие параметры:

  • prompt (строка, обязательно): запрос для отправки выбранной модели.

  • paths (массив строк, обязательно): список путей к файлам для включения в качестве контекста

Пример вызова инструмента MCP (с использованием JSON-RPC 2.0):

{ "jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": { "name": "sage-opinion", "arguments": { "prompt": "Explain how this code works", "paths": ["path/to/file1.js", "path/to/file2.js"] } } }

Инструмент sage-review

Инструмент sage-review принимает следующие параметры:

  • instruction (строка, обязательно): Конкретные необходимые изменения или улучшения.

  • paths (массив строк, обязательно): список путей к файлам для включения в качестве контекста

Пример вызова инструмента MCP (с использованием JSON-RPC 2.0):

{ "jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": { "name": "sage-review", "arguments": { "instruction": "Add error handling to the function", "paths": ["path/to/file1.js", "path/to/file2.js"] } } }

Ответ будет содержать блоки SEARCH/REPLACE, которые вы можете использовать для реализации предлагаемых изменений:

<<<<<<< SEARCH function getData() { return fetch('/api/data') .then(res => res.json()); } ======= function getData() { return fetch('/api/data') .then(res => { if (!res.ok) { throw new Error(`HTTP error! Status: ${res.status}`); } return res.json(); }) .catch(error => { console.error('Error fetching data:', error); throw error; }); } >>>>>>> REPLACE

Инструмент мудреца-плана

Инструмент sage-plan принимает следующие параметры:

  • prompt (строка, обязательно): Описание того, для чего вам нужен план внедрения

  • paths (массив строк, обязательно): список путей к файлам для включения в качестве контекста

Пример вызова инструмента MCP (с использованием JSON-RPC 2.0):

{ "jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": { "name": "sage-plan", "arguments": { "prompt": "Create an implementation plan for adding user authentication to this application", "paths": ["src/index.js", "src/models/", "src/routes/"] } } }

Ответ содержит подробный план реализации, включающий:

  1. Обзор архитектуры высокого уровня

  2. Конкретные шаги по внедрению

  3. Необходимы изменения в файле

  4. Стратегия тестирования

  5. Потенциальные проблемы и пути их смягчения

Этот план использует коллективный интеллект нескольких моделей ИИ (или тщательную самопроверку одной моделью) и обычно содержит более надежные, продуманные и подробные рекомендации, чем подход с одним проходом.

Проведение тестов

Для тестирования инструментов:

# Test the sage-opinion tool OPENAI_API_KEY=your_openai_key GEMINI_API_KEY=your_gemini_key node test/run-test.js # Test the sage-review tool OPENAI_API_KEY=your_openai_key GEMINI_API_KEY=your_gemini_key node test/test-expert.js # Test the sage-plan tool OPENAI_API_KEY=your_openai_key GEMINI_API_KEY=your_gemini_key node test/run-sage-plan.js # Test the model selection logic specifically OPENAI_API_KEY=your_openai_key GEMINI_API_KEY=your_gemini_key node test/test-o3.js

Примечание : выполнение теста на мудрый план может занять 5–15 минут, поскольку он организует многомодельные дебаты.

Структура проекта

  • src/index.ts : Основная реализация сервера MCP с определениями инструментов

  • src/pack.ts : Инструмент для упаковки файлов в структурированный формат XML

  • src/tokenCounter.ts : Утилиты для подсчета токенов в приглашении

  • src/gemini.ts : Реализация клиента API Gemini

  • src/openai.ts : Реализация клиента API OpenAI для модели O3

  • src/debateOrchestrator.ts : Многомодельная оркестровка дебатов для sage-plan

  • src/prompts/debatePrompts.ts : Шаблоны для подсказок и инструкций по дебатам

  • test/run-test.js : Тест для инструмента sage-opinion

  • test/test-expert.js : Тест для инструмента sage-review

  • test/run-sage-plan.js : Тест для инструмента sage-plan

  • test/test-o3.js : Тест логики выбора модели

Лицензия

МСК

Deploy Server
A
security – no known vulnerabilities
F
license - not found
A
quality - confirmed to work

How are these scores calculated?

Resources

Tools

New MCP Servers

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/jalehman/mcp-sage'

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