SJTU MCP

English | 中文

Превратите ваш API-ключ SJTU Zhiyuan No.1 в инструмент, который можно реально использовать в Claude Code и Codex.

SJTU MCP оборачивает API моделей, размещенных в SJTU, в локальный MCP-сервер, поэтому вы можете вызывать эти модели напрямую из вашего обычного рабочего процесса агента, вместо того чтобы постоянно писать скрипты интеграции вручную.

Зачем это нужно

Вы уже получили API-ключ SJTU Zhiyuan No.1, но все еще находите его сложным для практического использования?

Этот проект существует именно для решения этой проблемы:

• у вас уже есть доступ к API

• вы хотите использовать его из Claude Code или Codex

• но сама конечная точка SJTU не подключается напрямую к этим инструментам агентов «из коробки»

• вы не хотите каждый раз переписывать уровень интеграции

Related MCP server: Claude-LMStudio-Bridge

Основные возможности

• Поддержка Claude Code

• Поддержка Codex

• Поддержка как текстовых, так и визуальных задач

• Использование конечной точки SJTU, совместимой с OpenAI

• Естественная интеграция в существующие рабочие процессы MCP

Содержание

• Быстрый старт

• Переменные окружения

• Claude Code

• Codex

• Инструменты

• Пример

• Рекомендуемое использование моделей

• Примечания

Быстрый старт

Для большинства пользователей самый простой путь:

1. git clone этого репозитория

2. cd в директорию проекта

3. установите его один раз

4. добавьте его как глобальный MCP-сервер в Claude Code или Codex

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

После установки ваш MCP-клиент сможет автоматически запускать сервер при необходимости. При обычном использовании вам не нужно каждый раз вручную запускать команду сервера.

Переменные окружения

Обязательные:

• SJTU_API_KEY

Опциональные:

• SJTU_API_BASE_URL

• SJTU_DEFAULT_TEXT_MODEL

• SJTU_DEFAULT_REASONING_MODEL

• SJTU_DEFAULT_VISION_MODEL

• SJTU_REQUEST_TIMEOUT

Как их использовать:

• .env.example — это только шаблон, показывающий, какие переменные вам нужны

• при фактическом использовании поместите эти значения в блок env вашей конфигурации MCP

Claude Code

Рекомендуется: Область пользователя (User Scope)

Используйте это, если хотите, чтобы sjtu был доступен во всех ваших проектах Claude Code на этой машине.

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

Затем:

1. откройте ~/.claude.json

2. найдите запись sjtu

3. скопируйте раздел env из examples/claude-project.mcp.json

4. замените your-api-key на ваш реальный ключ

Проверка:

claude mcp list

Область проекта (Project Scope)

Используйте это, если хотите закоммитить общую конфигурацию в репозиторий для коллег.

Как использовать:

1. скопируйте examples/claude-project.mcp.json в корень вашего проекта как .mcp.json

2. замените your-api-key на ваш реальный ключ

3. при необходимости настройте модели по умолчанию и тайм-аут

Пример для 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"
      }
    }
  }
}

Локальная область (Local Scope)

Используйте это, если вам нужен сервер только для текущего проекта и вы не хотите коммитить конфигурацию.

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

Затем добавьте те же значения env в соответствующую запись конфигурации MCP.

Codex

Рекомендуется: Глобальная настройка

Используйте это, если хотите, чтобы sjtu был доступен во всех ваших проектах Codex на этой машине.

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

Затем:

1. откройте ваш ~/.codex/config.toml

2. скопируйте содержимое из examples/codex-config.toml

3. замените your-api-key на ваш реальный ключ

4. сохраните и перезагрузите Codex или перезагрузите MCP

Проверка:

codex mcp list

Настройка через файл конфигурации

Если вы уже управляете ~/.codex/config.toml напрямую, вы можете использовать этот шаблон:

[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"

Инструменты

• sjtu_models

• sjtu_text

• sjtu_vision

• sjtu_cheap_task

Пример

Ввод

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

Вывод

Рекомендуемое использование моделей

• deepseek-chat

  • по умолчанию для суммаризации, переписывания, очистки и простых текстовых задач

• minimax или glm-5

  • полезны для легкого переписывания, классификации или извлечения данных

• deepseek-reasoner

  • лучше подходит для задач, требующих многошагового рассуждения

• qwen3vl

  • отличная отправная точка для скриншотов, извлечения данных в стиле OCR и понимания изображений

• qwen3coder

  • полезен для вспомогательных задач, связанных с кодом

Примечания

• Этот сервер в настоящее время предполагает, что конечная точка SJTU поддерживает совместимые с OpenAI /models и /chat/completions.

• Локальные изображения кодируются как data URL перед отправкой.

• Если ваша университетская конечная точка имеет специфические особенности моделей, расширьте маршрутизацию в src/sjtu_mcp/server.py.