SJTU MCP
SJTU MCP
English | 中文
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:
このリポジトリを
git cloneするプロジェクトディレクトリに
cdする一度インストールする
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_URLSJTU_DEFAULT_TEXT_MODELSJTU_DEFAULT_REASONING_MODELSJTU_DEFAULT_VISION_MODELSJTU_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:
~/.claude.jsonを開くsjtuエントリを見つけるexamples/claude-project.mcp.json から
envセクションをコピーする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:
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your-api-keyを実際のキーに置き換える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:
~/.codex/config.tomlを開くexamples/codex-config.toml の内容をコピーする
your-api-keyを実際のキーに置き換える保存して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_modelssjtu_textsjtu_visionsjtu_cheap_task
例
入力
请调用 sjtu_vision 分析图片里面的内容 .assets/test.png
出力

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 toolssjtu_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
Scored across 4 tools
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.
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.
Four tools is well-scoped for the SJTU endpoint, covering essential capabilities (listing models, text, vision, and a cheap task option) without unnecessary bloat.
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
Related MCP Connectors
MCP server for OpenAI API (chat completions, image generation, embeddings) via AceDataCloud
MCP server for GLM chat completions using Zhipu AI models via AceDataCloud
MCP server for AI dialogue using various LLM models via AceDataCloud
BeautySpark MCP server for ChatGPT, Claude and other MCP clients
Related MCP Servers
- AlicenseAqualityBmaintenanceLocal MCP server that wraps the headless Claude Code CLI as MCP tools, providing stateless access to Claude's coding capabilities through prompt-based interactions. It enables users to execute Claude Code commands with various prompt formats and structured outputs directly from MCP clients.3MIT
- AlicenseNot gradedqualityFmaintenanceA simple MCP server that enables Claude to communicate with locally running LLM models via LM Studio.9MIT
- AlicenseNot gradedqualityCmaintenanceMCP server that lets Claude Code delegate mechanical tasks to a local LLM for summarization, classification, extraction, and drafting.15MIT
- AlicenseBqualityDmaintenanceMCP server that proxies GPT API calls for Claude Code, supporting multiple GPT models with both standard and streaming responses.2MIT