SJTU MCP
SJTU MCP
영어 | 中文
SJTU Zhiyuan No.1 API 키를 Claude Code 및 Codex에서 실제로 사용할 수 있는 도구로 변환하세요.
SJTU MCP는 SJTU에서 호스팅하는 모델 API를 로컬 MCP 서버로 래핑하므로, 매번 통합 스크립트를 직접 작성할 필요 없이 일반적인 에이전트 워크플로우에서 이러한 모델을 직접 호출할 수 있습니다.
이 프로젝트의 목적
이미 SJTU Zhiyuan No.1 API 키를 신청했지만, 실제로 사용하는 데 어려움을 겪고 계신가요?
이 프로젝트는 바로 그 문제를 해결하기 위해 존재합니다:
이미 API 액세스 권한을 가지고 있음
Claude Code또는Codex에서 사용하고 싶음하지만 SJTU 엔드포인트 자체가 이러한 에이전트 도구와 즉시 연동되지 않음
매번 통합 계층을 다시 작성하고 싶지 않음
Related MCP server: Claude-LMStudio-Bridge
주요 특징
Claude Code지원Codex지원텍스트 및 비전 작업 모두 지원
SJTU OpenAI 호환 엔드포인트 사용
기존 MCP 워크플로우에 자연스럽게 통합
목차
빠른 시작
대부분의 사용자에게 가장 간단한 방법은 다음과 같습니다:
이 저장소를
git clone합니다.프로젝트 디렉토리로
cd합니다.한 번 설치합니다.
Claude Code또는Codex에 글로벌 MCP 서버로 추가합니다.
git clone https://github.com/EternalWavee/sjtu-mcp.git
cd sjtu-mcp
pip install -e .설치 후, MCP 클라이언트는 필요할 때 자동으로 서버를 시작할 수 있습니다. 일반적인 사용 시에는 매번 서버 명령을 수동으로 실행할 필요가 없습니다.
환경 변수
필수:
SJTU_API_KEY
선택:
SJTU_API_BASE_URLSJTU_DEFAULT_TEXT_MODELSJTU_DEFAULT_REASONING_MODELSJTU_DEFAULT_VISION_MODELSJTU_REQUEST_TIMEOUT
사용 방법:
.env.example은 필요한 변수를 보여주는 템플릿일 뿐입니다.실제 사용 시에는 MCP 구성의
env블록에 이러한 값을 넣으십시오.
Claude Code
권장: 사용자 범위(User Scope)
이 컴퓨터의 모든 Claude Code 프로젝트에서 sjtu를 사용하려면 이 방법을 사용하세요.
claude mcp add sjtu --scope user -- python -m sjtu_mcp.server그 다음:
~/.claude.json을 엽니다.sjtu항목을 찾습니다.examples/claude-project.mcp.json에서
env섹션을 복사합니다.your-api-key를 실제 키로 바꿉니다.
확인:
claude mcp list프로젝트 범위(Project Scope)
팀원들과 공유할 설정을 저장소에 커밋하려면 이 방법을 사용하세요.
사용 방법:
examples/claude-project.mcp.json을 프로젝트 루트에
.mcp.json으로 복사합니다.your-api-key를 실제 키로 바꿉니다.필요한 경우 기본 모델과 타임아웃을 조정합니다.
Windows / macOS 예시:
{
"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"
}
}
}
}로컬 범위(Local Scope)
현재 프로젝트에서만 서버를 사용하고 설정을 커밋하고 싶지 않은 경우 이 방법을 사용하세요.
claude mcp add sjtu --scope local -- python -m sjtu_mcp.server그런 다음 동일한 env 값을 해당 MCP 구성 항목에 추가합니다.
Codex
권장: 글로벌 설정
이 컴퓨터의 모든 Codex 프로젝트에서 sjtu를 사용하려면 이 방법을 사용하세요.
codex mcp add sjtu -- python -m sjtu_mcp.server그 다음:
~/.codex/config.toml을 엽니다.examples/codex-config.toml의 내용을 복사합니다.
your-api-key를 실제 키로 바꿉니다.저장하고 Codex를 다시 로드하거나 MCP를 다시 로드합니다.
확인:
codex mcp list설정 파일 구성
이미 ~/.codex/config.toml을 직접 관리하고 있다면 이 템플릿을 사용할 수 있습니다:
[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"도구
sjtu_modelssjtu_textsjtu_visionsjtu_cheap_task
예시
입력
请调用 sjtu_vision 分析图片里面的内容 .assets/test.png
출력

권장 모델 사용법
deepseek-chat요약, 재작성, 정리 및 위험도가 낮은 텍스트 작업의 기본값
minimax또는glm-5가벼운 재작성, 분류 또는 추출에 유용
deepseek-reasoner다단계 추론이 필요한 작업에 더 적합
qwen3vl스크린샷, OCR 스타일 추출 및 이미지 이해를 위한 강력한 시작점
qwen3coder코드 관련 유틸리티 작업에 유용
참고 사항
이 서버는 현재 SJTU 엔드포인트가 OpenAI 호환
/models및/chat/completions를 지원한다고 가정합니다.로컬 이미지는 전송 전에 데이터 URL로 인코딩됩니다.
캠퍼스 엔드포인트에 모델별 특이 사항이 있는 경우 src/sjtu_mcp/server.py에서 라우팅을 확장하십시오.
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