МКП Мудрец

`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.

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:

simonw/files-to-prompt для сжатия файлов
asadm/vibemode за идею и предложение отправить весь репозиторий в Gemini для предложений по оптовому редактированию
PhialsBasement/Chain-of-Recursive-Thoughts вдохновение для инструмента sage-plan

Обзор

В этом проекте реализован сервер MCP, предоставляющий три инструмента:

`sage-opinion`

Принимает в качестве входных данных приглашение и список путей к файлам/каталогам.
Упаковывает файлы в структурированный формат XML
Измеряет количество токенов и выбирает подходящую модель:
- O3 для ≤ 200 тыс. токенов
- Gemini 2.5 Pro для > 200 тыс. и ≤ 1 млн токенов
Отправляет объединенную подсказку + контекст в выбранную модель
Возвращает ответ модели

`sage-review`

Принимает в качестве входных данных инструкцию по изменению кода и список путей к файлам/каталогам.
Упаковывает файлы в структурированный формат XML
Измеряет количество токенов и выбирает подходящую модель:
- O3 для ≤ 200 тыс. токенов
- Gemini 2.5 Pro для > 200 тыс. и ≤ 1 млн токенов
Создает специализированную подсказку, указывающую модели форматировать ответы с использованием блоков ПОИСК/ЗАМЕНА
Отправляет объединенный контекст + инструкцию выбранной модели
Возвращает предложения по редактированию, отформатированные как блоки ПОИСК/ЗАМЕНА для легкой реализации

`sage-plan`

Принимает в качестве входных данных запрос на план внедрения и список путей к файлам/каталогам.
Упаковывает файлы в структурированный формат XML
Организует многомодельные дебаты для разработки высококачественного плана внедрения
Модели критикуют и совершенствуют планы друг друга в ходе нескольких раундов.
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

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)

Фаза синтеза — каждая модель улучшает свой предыдущий план, используя полученные критические замечания (модели работают параллельно).
Проверка консенсуса — модель судьи оценивает сходство между всеми текущими планами.
- Если оценка ≥ 0,9, дебаты прекращаются раньше времени и переходят к суждению.
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

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

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

Обзор архитектуры высокого уровня
Конкретные шаги по внедрению
Необходимы изменения в файле
Стратегия тестирования
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

MCP Sage

Integrations

`mcp-sage`

Обоснование

Выбор модели

Вдохновение

Обзор

`sage-opinion`

`sage-review`

`sage-plan`

sage-plan - Многомодельные и самостоятельные рабочие процессы

1. Многомодельный поток дебатов

2. Поток самообсуждения — доступна одна модель

Что на самом деле происходит в коде (краткая справка)

Соображения производительности и стоимости

Предпосылки

Установка

Переменные среды

Использование

Подсказка

Отладка и мониторинг

Использование инструментов

мудрец-мнение Инструмент

Инструмент sage-review

Инструмент мудреца-плана

Проведение тестов

Структура проекта

Лицензия

Tools

Related MCP Servers

GemSuite-MCP

Autodocument MCP Server

code2prompt-mcp

Grumpy Senior Developer MCP

New MCP Servers