Skip to main content
Glama

SJTU MCP

Englisch | 中文

Claude Code Codex SJTU API Version License

Verwandeln Sie Ihren SJTU Zhiyuan No.1 API-Schlüssel in etwas, das Sie tatsächlich in Claude Code und Codex verwenden können.

SJTU MCP kapselt die von der SJTU gehostete Modell-API als lokalen MCP-Server, sodass Sie diese Modelle direkt aus Ihrem normalen Agenten-Workflow aufrufen können, anstatt immer wieder Integrationsskripte von Hand schreiben zu müssen.

Warum gibt es das?

Haben Sie bereits einen SJTU Zhiyuan No.1 API-Schlüssel beantragt, finden es aber immer noch schwierig, ihn in der Praxis tatsächlich zu nutzen?

Dieses Projekt existiert genau, um dieses Problem zu lösen:

  • Sie haben bereits API-Zugriff

  • Sie möchten ihn von Claude Code oder Codex aus nutzen

  • Aber der SJTU-Endpunkt selbst lässt sich nicht direkt in diese Agenten-Tools integrieren

  • Sie möchten die Integrationsschicht nicht jedes Mal neu schreiben

Related MCP server: Claude-LMStudio-Bridge

Highlights

  • Unterstützt Claude Code

  • Unterstützt Codex

  • Unterstützt sowohl Text- als auch Vision-Aufgaben

  • Verwendet den OpenAI-kompatiblen SJTU-Endpunkt

  • Passt sich natürlich in bestehende MCP-Workflows ein

Inhalt

Schnellstart

Für die meisten Benutzer ist der einfachste Weg:

  1. git clone dieses Repository

  2. cd in das Projektverzeichnis

  3. Einmalig installieren

  4. Als globalen MCP-Server in Claude Code oder Codex hinzufügen

git clone https://github.com/EternalWavee/sjtu-mcp.git
cd sjtu-mcp
pip install -e .

Nach der Installation kann Ihr MCP-Client den Server bei Bedarf automatisch starten. Im normalen Gebrauch müssen Sie den Server-Befehl nicht jedes Mal manuell ausführen.

Umgebungsvariablen

Erforderlich:

  • SJTU_API_KEY

Optional:

  • SJTU_API_BASE_URL

  • SJTU_DEFAULT_TEXT_MODEL

  • SJTU_DEFAULT_REASONING_MODEL

  • SJTU_DEFAULT_VISION_MODEL

  • SJTU_REQUEST_TIMEOUT

Wie man sie verwendet:

  • .env.example ist nur eine Vorlage, die zeigt, welche Variablen Sie benötigen

  • Fügen Sie diese Werte bei der tatsächlichen Verwendung in den env-Block Ihrer MCP-Konfiguration ein

Claude Code

Empfohlen: Benutzerbereich

Verwenden Sie dies, wenn sjtu in allen Ihren Claude Code-Projekten auf diesem Computer verfügbar sein soll.

claude mcp add sjtu --scope user -- python -m sjtu_mcp.server

Dann:

  1. Öffnen Sie ~/.claude.json

  2. Suchen Sie den sjtu-Eintrag

  3. Kopieren Sie den env-Abschnitt aus examples/claude-project.mcp.json

  4. Ersetzen Sie your-api-key durch Ihren echten Schlüssel

Überprüfung:

claude mcp list

Projektbereich

Verwenden Sie dies, wenn Sie eine gemeinsame Konfiguration für Teamkollegen in das Repository einchecken möchten.

Anwendung:

  1. Kopieren Sie examples/claude-project.mcp.json als .mcp.json in Ihr Projektstammverzeichnis

  2. Ersetzen Sie your-api-key durch Ihren echten Schlüssel

  3. Passen Sie bei Bedarf Standardmodelle und Timeout an

Windows / macOS Beispiel:

{
  "mcpServers": {
    "sjtu": {
      "command": "python",
      "args": ["-m", "sjtu_mcp.server"],
      "env": {
        "SJTU_API_BASE_URL": "https://models.sjtu.edu.cn/api/v1",
        "SJTU_API_KEY": "your-api-key",
        "SJTU_DEFAULT_TEXT_MODEL": "deepseek-chat",
        "SJTU_DEFAULT_REASONING_MODEL": "deepseek-reasoner",
        "SJTU_DEFAULT_VISION_MODEL": "qwen3vl",
        "SJTU_REQUEST_TIMEOUT": "180"
      }
    }
  }
}

Lokaler Bereich

Verwenden Sie dies, wenn Sie den Server nur für das aktuelle Projekt benötigen und die Konfiguration nicht einchecken möchten.

claude mcp add sjtu --scope local -- python -m sjtu_mcp.server

Fügen Sie dann dieselben env-Werte zum entsprechenden MCP-Konfigurationseintrag hinzu.

Codex

Empfohlen: Globale Einrichtung

Verwenden Sie dies, wenn sjtu in allen Ihren Codex-Projekten auf diesem Computer verfügbar sein soll.

codex mcp add sjtu -- python -m sjtu_mcp.server

Dann:

  1. Öffnen Sie Ihre eigene ~/.codex/config.toml

  2. Kopieren Sie den Inhalt aus examples/codex-config.toml

  3. Ersetzen Sie your-api-key durch Ihren echten Schlüssel

  4. Speichern und laden Sie Codex neu oder laden Sie MCP neu

Überprüfung:

codex mcp list

Konfigurationsdatei-Einrichtung

Wenn Sie ~/.codex/config.toml bereits direkt verwalten, können Sie diese Vorlage verwenden:

[mcp_servers.sjtu]
command = "python"
args = ["-m", "sjtu_mcp.server"]

[mcp_servers.sjtu.env]
SJTU_API_BASE_URL = "https://models.sjtu.edu.cn/api/v1"
SJTU_API_KEY = "your-api-key"
SJTU_DEFAULT_TEXT_MODEL = "deepseek-chat"
SJTU_DEFAULT_REASONING_MODEL = "deepseek-reasoner"
SJTU_DEFAULT_VISION_MODEL = "qwen3vl"
SJTU_REQUEST_TIMEOUT = "180"

Tools

  • sjtu_models

  • sjtu_text

  • sjtu_vision

  • sjtu_cheap_task

Beispiel

Eingabe

请调用 sjtu_vision 分析图片里面的内容 .assets/test.png

test

Ausgabe

answer

Empfohlene Modellnutzung

  • deepseek-chat

    • Standard für Zusammenfassungen, Umschreibungen, Bereinigungen und risikoarme Textaufgaben

  • minimax oder glm-5

    • nützlich für leichtgewichtiges Umschreiben, Klassifizierung oder Extraktion

  • deepseek-reasoner

    • besser für Aufgaben, die wirklich mehrstufiges logisches Denken erfordern

  • qwen3vl

    • ein starker Ausgangspunkt für Screenshots, OCR-artige Extraktion und Bildverständnis

  • qwen3coder

    • nützlich für code-nahe Hilfsaufgaben

Hinweise

  • Dieser Server geht derzeit davon aus, dass der SJTU-Endpunkt OpenAI-kompatible /models und /chat/completions unterstützt.

  • Lokale Bilder werden vor dem Senden als Daten-URLs kodiert.

  • Wenn Ihr Campus-Endpunkt modellspezifische Eigenheiten aufweist, erweitern Sie das Routing in src/sjtu_mcp/server.py.

Available Tools

4 tools
sjtu_cheap_taskC

Route common low-risk jobs like summarize, rewrite, classify, and extract.

Inputs: task (required), content (required), image_path, image_url, +1 more. Returns: result

sjtu_modelsA

List available models from the SJTU endpoint.

Inputs: no named parameters. Returns: result

sjtu_textC

Run a plain text task against the SJTU OpenAI-compatible API.

Inputs: prompt (required), model, system_prompt, temperature, +1 more. Returns: result

sjtu_visionC

Run an image understanding task against the default vision model.

Inputs: prompt (required), image_path, image_url, model, +3 more. Returns: result

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    B3/5.0

    Scored across 4 tools

    Disambiguation3/5

    sjtu_cheap_task and sjtu_text both handle text tasks, creating potential confusion. sjtu_cheap_task specifies common low-risk jobs, but the boundary with sjtu_text is unclear. sjtu_models and sjtu_vision are distinct.

    Naming Consistency4/5

    All tools share the consistent 'sjtu_' prefix and snake_case naming, but the pattern varies between adjective_noun (sjtu_cheap_task) and noun-only (sjtu_models, sjtu_text, sjtu_vision), which is mostly consistent with minor deviations.

    Tool Count5/5

    Four tools is well-scoped for the SJTU endpoint, covering essential capabilities (listing models, text, vision, and a cheap task option) without unnecessary bloat.

    Completeness4/5

    The set covers core functionalities, but the overlap between sjtu_cheap_task and sjtu_text suggests redundancy; missing streaming or embeddings are minor gaps for basic use.

    Maintenance

    ActivityInactive
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers