Skip to main content
Glama

SJTU MCP

English | 中文

Claude Code Codex SJTU API Version License

SJTU Zhiyuan No.1 APIキーを、Claude CodeやCodexで実際に使用できる形に変換します。

SJTU MCPは、SJTUがホストするモデルAPIをローカルのMCPサーバーとしてラップします。これにより、統合スクリプトを何度も手書きすることなく、通常のエージェントワークフローから直接これらのモデルを呼び出すことができます。

なぜこれが必要なのか

SJTU Zhiyuan No.1 APIキーを申請したものの、実際に使うのが難しいと感じていませんか?

このプロジェクトは、まさにその問題を解決するために存在します:

  • すでにAPIアクセス権を持っている

  • Claude CodeやCodexからそれを使いたい

  • しかし、SJTUのエンドポイントはこれらのエージェントツールにそのままでは接続できない

  • 毎回統合レイヤーを書き直したくない

Related MCP server: Claude-LMStudio-Bridge

ハイライト

  • Claude Codeをサポート

  • Codexをサポート

  • テキストタスクとビジョンタスクの両方をサポート

  • SJTUのOpenAI互換エンドポイントを使用

  • 既存のMCPワークフローに自然に適合

目次

クイックスタート

ほとんどのユーザーにとって、最も簡単な手順は以下の通りです:

  1. このリポジトリをgit cloneする

  2. プロジェクトディレクトリにcdする

  3. 一度インストールする

  4. Claude CodeまたはCodexにグローバルMCPサーバーとして追加する

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

インストール後、MCPクライアントは必要に応じて自動的にサーバーを起動します。通常の使用において、毎回手動でサーバーコマンドを実行する必要はありません。

環境変数

必須:

  • SJTU_API_KEY

オプション:

  • SJTU_API_BASE_URL

  • SJTU_DEFAULT_TEXT_MODEL

  • SJTU_DEFAULT_REASONING_MODEL

  • SJTU_DEFAULT_VISION_MODEL

  • SJTU_REQUEST_TIMEOUT

使用方法:

  • .env.example は必要な変数を示すテンプレートです

  • 実際に使用する際は、これらの値をMCP設定のenvブロックに入れてください

Claude Code

推奨:ユーザースコープ

このマシン上のすべてのClaude Codeプロジェクトでsjtuを利用可能にしたい場合に使用します。

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

次に:

  1. ~/.claude.jsonを開く

  2. sjtuエントリを見つける

  3. examples/claude-project.mcp.json からenvセクションをコピーする

  4. your-api-keyを実際のキーに置き換える

確認:

claude mcp list

プロジェクトスコープ

チームメイトと共有するためにリポジトリに設定をコミットしたい場合に使用します。

使用方法:

  1. examples/claude-project.mcp.json をプロジェクトルートに.mcp.jsonとしてコピーする

  2. your-api-keyを実際のキーに置き換える

  3. 必要に応じてデフォルトモデルとタイムアウトを調整する

Windows / macOSの例:

{
  "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"
      }
    }
  }
}

ローカルスコープ

現在のプロジェクトでのみサーバーを使用し、設定をコミットしたくない場合に使用します。

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

その後、対応するMCP設定エントリに同じenv値を追加します。

Codex

推奨:グローバル設定

このマシン上のすべてのCodexプロジェクトでsjtuを利用可能にしたい場合に使用します。

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

次に:

  1. ~/.codex/config.tomlを開く

  2. examples/codex-config.toml の内容をコピーする

  3. your-api-keyを実際のキーに置き換える

  4. 保存してCodexを再読み込みするか、MCPを再読み込みする

確認:

codex mcp list

設定ファイルによるセットアップ

すでに~/.codex/config.tomlを直接管理している場合は、このテンプレートを使用できます:

[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"

ツール

  • sjtu_models

  • sjtu_text

  • sjtu_vision

  • sjtu_cheap_task

例

入力

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

test

出力

answer

推奨モデルの使用法

  • deepseek-chat

    • 要約、書き換え、クリーンアップ、低リスクのテキストタスクのデフォルト

  • minimax または glm-5

    • 軽量な書き換え、分類、抽出に便利

  • deepseek-reasoner

    • 多段階の推論が必要なタスクに最適

  • qwen3vl

    • スクリーンショット、OCR形式の抽出、画像理解のための強力な出発点

  • qwen3coder

    • コード関連のユーティリティタスクに便利

注意点

  • このサーバーは現在、SJTUエンドポイントがOpenAI互換の/modelsおよび/chat/completionsをサポートしていることを前提としています。

  • ローカル画像は送信前にデータURLとしてエンコードされます。

  • キャンパスのエンドポイントにモデル固有の癖がある場合は、src/sjtu_mcp/server.py のルーティングを拡張してください。

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