Skip to main content
Glama

SJTU MCP

Inglés | 中文

Claude Code Codex SJTU API Version License

Convierte tu clave de API de SJTU Zhiyuan No.1 en algo que realmente puedas usar en Claude Code y Codex.

SJTU MCP envuelve la API de modelos alojada en SJTU como un servidor MCP local, para que puedas llamar a estos modelos directamente desde tu flujo de trabajo de agente normal en lugar de escribir scripts de integración manualmente una y otra vez.

Por qué existe esto

¿Ya has solicitado una clave de API de SJTU Zhiyuan No.1, pero aún te resulta difícil usarla en la práctica?

Este proyecto existe para resolver exactamente ese problema:

  • ya tienes acceso a la API

  • quieres usarla desde Claude Code o Codex

  • pero el endpoint de SJTU en sí no se conecta directamente a estas herramientas de agente de forma inmediata

  • no quieres reescribir la capa de integración cada vez

Related MCP server: Claude-LMStudio-Bridge

Aspectos destacados

  • Compatible con Claude Code

  • Compatible con Codex

  • Compatible con tareas de texto y visión

  • Utiliza el endpoint de SJTU compatible con OpenAI

  • Se adapta de forma natural a los flujos de trabajo MCP existentes

Contenidos

Inicio rápido

Para la mayoría de los usuarios, el camino más sencillo es:

  1. git clone este repositorio

  2. cd al directorio del proyecto

  3. instalarlo una vez

  4. añadirlo como un servidor MCP global en Claude Code o Codex

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

Después de la instalación, tu cliente MCP puede iniciar el servidor automáticamente cuando sea necesario. En el uso normal, no necesitas ejecutar manualmente el comando del servidor cada vez.

Variables de entorno

Requeridas:

  • SJTU_API_KEY

Opcionales:

  • SJTU_API_BASE_URL

  • SJTU_DEFAULT_TEXT_MODEL

  • SJTU_DEFAULT_REASONING_MODEL

  • SJTU_DEFAULT_VISION_MODEL

  • SJTU_REQUEST_TIMEOUT

Cómo usarlas:

  • .env.example es solo una plantilla que muestra qué variables necesitas

  • en el uso real, coloca estos valores en el bloque env de tu configuración de MCP

Claude Code

Recomendado: Ámbito de usuario

Usa esto si quieres que sjtu esté disponible en todos tus proyectos de Claude Code en esta máquina.

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

Luego:

  1. abre ~/.claude.json

  2. busca la entrada sjtu

  3. copia la sección env de examples/claude-project.mcp.json

  4. reemplaza your-api-key con tu clave real

Verificar:

claude mcp list

Ámbito de proyecto

Usa esto si quieres confirmar una configuración compartida en el repositorio para tus compañeros de equipo.

Cómo usarlo:

  1. copia examples/claude-project.mcp.json en la raíz de tu proyecto como .mcp.json

  2. reemplaza your-api-key con tu clave real

  3. ajusta los modelos predeterminados y el tiempo de espera si es necesario

Ejemplo para Windows / macOS:

{
  "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"
      }
    }
  }
}

Ámbito local

Usa esto si solo quieres el servidor para el proyecto actual y no quieres confirmar la configuración.

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

Luego añade los mismos valores env a la entrada de configuración de MCP correspondiente.

Codex

Recomendado: Configuración global

Usa esto si quieres que sjtu esté disponible en todos tus proyectos de Codex en esta máquina.

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

Luego:

  1. abre tu propio ~/.codex/config.toml

  2. copia el contenido de examples/codex-config.toml

  3. reemplaza your-api-key con tu clave real

  4. guarda y recarga Codex o recarga MCP

Verificar:

codex mcp list

Configuración de archivo de configuración

Si ya gestionas ~/.codex/config.toml directamente, puedes usar esta plantilla:

[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"

Herramientas

  • sjtu_models

  • sjtu_text

  • sjtu_vision

  • sjtu_cheap_task

Ejemplo

Entrada

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

test

Salida

answer

Uso sugerido de modelos

  • deepseek-chat

    • predeterminado para resúmenes, reescrituras, limpieza y tareas de texto de bajo riesgo

  • minimax o glm-5

    • útil para reescritura ligera, clasificación o extracción

  • deepseek-reasoner

    • mejor para tareas que realmente necesitan razonamiento de varios pasos

  • qwen3vl

    • un punto de partida sólido para capturas de pantalla, extracción estilo OCR y comprensión de imágenes

  • qwen3coder

    • útil para tareas de utilidad relacionadas con el código

Notas

  • Este servidor asume actualmente que el endpoint de SJTU admite /models y /chat/completions compatibles con OpenAI.

  • Las imágenes locales se codifican como URLs de datos antes de enviarse.

  • Si tu endpoint del campus tiene peculiaridades específicas del modelo, extiende el enrutamiento en 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