compare-mcp

Multi-Modell-Code-Review mit priorisierten Aufgaben und Sub-Agenten-Dispatch innerhalb der Claude Code CLI.

Claude Code ist großartig für Code-Reviews – aber es kommuniziert nur mit einem Modell. Die Copilot CLI hat kürzlich ein Multi-Modell-Debugging eingeführt, mit dem man ein Problem gleichzeitig an GPT, Claude und Gemini weiterleiten kann. Claude Code kann das nativ nicht. Dieser MCP-Server fügt diese Funktion hinzu: Verwenden Sie Ihre eigenen API-Schlüssel, verteilen Sie Anfragen an eine beliebige Kombination von Modellen und erhalten Sie eine differenzierte, priorisierte Liste der Ergebnisse.

Verteilen Sie jeden Bug oder jede Aufgabe gleichzeitig an mehrere LLMs, vergleichen Sie deren einzigartige Erkenntnisse, führen Sie optional eine Debattenrunde durch, in der sich die Modelle gegenseitig kritisieren, und entsenden Sie dann parallele Sub-Agenten, um die kombinierten besten Korrekturen zu implementieren – jeweils mit einem eigenen Git-Commit.

Demo

https://github.com/user-attachments/assets/8990dabb-bc61-4625-8930-c914cffe75da

/compare models → /compare review config.py for security issues → /compare --debate → /compare status

Related MCP server: Debate Agent MCP

Architektur

Installation

pip install compare-mcp
claude mcp add -s user compare-mcp -- python -m compare_mcp

Holen Sie sich dann den /compare-Skill und die Beispielkonfiguration:

git clone https://github.com/carolinacherry/compare-mcp.git --depth 1
mkdir -p ~/.claude/skills ~/.compare
cp -r compare-mcp/.claude/skills/compare ~/.claude/skills/
cp compare-mcp/.compare/config.example.json ~/.compare/config.json

Schnellstart

1. Bearbeiten Sie ~/.compare/config.json – aktivieren Sie mindestens 2 Anbieter, indem Sie "enabled": true setzen und Ihren API-Schlüssel hinzufügen (entweder als $ENV_VAR-Referenz oder durch direktes Einfügen des Schlüssels).

2. In Claude Code:

   /compare memory leak in the tile rendering loop
   /compare race condition in the connection pool --debate --providers claude,openai
   /compare status
   /compare models

Konfigurationsreferenz

Die Konfiguration befindet sich unter ~/.compare/config.json. API-Schlüssel verwenden die $ENV_VAR-Syntax – diese wird beim Laden aufgelöst.

Anbietertypen

Vergleichseinstellungen

Timeout-Hinweis: Einige Modelle (z. B. Kimis kimi-k2.5) sind bei großen Prompts deutlich langsamer als GPT-4o und erreichen bei 60s ein Timeout. Wir verwenden standardmäßig 120s. Wenn ein Anbieter konsistent ein Timeout verursacht, versuchen Sie eine schnellere Modellvariante – für Kimi ist moonshot-v1-auto schneller als kimi-k2.5 und wählt automatisch das richtige Kontextfenster aus.

Anbieter hinzufügen

Jeder OpenAI-kompatible Endpunkt

{
  "my_provider": {
    "enabled": true,
    "type": "openai_compat",
    "api_key": "$MY_API_KEY",
    "model": "model-name",
    "base_url": "https://api.example.com/v1"
  }
}

Funktioniert mit: OpenAI, Kimi (api.moonshot.ai), Minimax (api.minimax.io), Gemini (generativelanguage.googleapis.com/v1beta/openai/), Ollama API (localhost:11434/v1), OpenRouter, Together AI, Groq, etc.

CLI-Subprozess-Modell

{
  "ollama_local": {
    "enabled": true,
    "type": "cli",
    "cli_command": "ollama",
    "cli_args": ["run", "codellama"],
    "cli_parser": "text"
  }
}

cli_parser-Optionen: "text" (rohes stdout), "json" (als JSON parsen), "jsonl" (letzte vollständige JSON-Zeile).

Befehle

Geben Sie in Claude Code einen der folgenden Befehle ein:

Nachdem /compare ausgeführt wurde, werden Sie gefragt, ob Sub-Agenten entsandt werden sollen, um die Ergebnisse parallel zu beheben. Jeder Sub-Agent erhält eine Aufgabe, implementiert die Korrektur und führt einen Commit durch.

Funktionsweise

1. Dispatch — compare_run verteilt den Code + das Problem über asyncio.gather an alle aktivierten Anbieter. Anbieter, die ein Timeout verursachen oder Fehler melden, werden ausgeschlossen und bringen den gesamten Vorgang nicht zum Absturz.

2. Diff — compare_diff verwendet rapidfuzz (Token Sort Ratio), um Ergebnisse über Anbieter hinweg zu deduplizieren. Ergebnisse, die von 2+ Anbietern gesehen wurden, sind "geteilt"; der Rest ist "einzigartig". Übereinstimmungsrate = geteilt / gesamte eindeutige Gruppen.

3. Debate (optional) — compare_debate sendet die Ergebnisse jedes Anbieters zur Kritik an jeden anderen Anbieter. Ein Synthese-Aufruf führt die Ergebnisse zusammen. Begrenzt auf 4 Anbieter, um API-Aufrufe zu limitieren (N*(N-1)+1).

4. Todos — compare_todos schreibt priorisierte Ergebnisse in SQLite. Hohe Priorität zuerst, dann nach Anzahl der Anbieter.

5. Execute — Der /compare-Skill entsendet parallele Claude Code-Sub-Agenten, einen pro Aufgabe. Jeder implementiert die Korrektur und führt einen Commit durch.

MCP-Tools (7)

vs multi_mcp

multi_mcp beherrscht den parallelen Dispatch gut. compare-mcp baut die Workflow-Ebene darüber auf:

vs Copilot CLI Multi-Modell

Copilot CLI leitet über den API-Proxy von GitHub – keine BYO-Schlüssel, keine Kimi/Minimax/lokalen Modelle. compare-mcp ruft Anbieter-APIs direkt auf: volle Kontextfenster, Ihre eigenen Ratenbegrenzungen, jedes Modell mit einem HTTP-Endpunkt oder einer CLI-Binärdatei.

Entwicklung

git clone https://github.com/carolinacherry/compare-mcp.git
cd compare-mcp
pip install -e ".[dev]"
pytest
ruff check .