Skip to main content
Glama

SJTU MCP

영어 | 中文

Claude Code Codex SJTU API Version License

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 Code 또는 Codex에서 사용하고 싶음

  • 하지만 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 Code 지원

  • Codex 지원

  • 텍스트 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:

  1. 이 저장소를 git clone 합니다.

  2. 프로젝트 디렉토리로 cd 합니다.

  3. 한 번 설치합니다.

  4. Claude Code 또는 Codex에 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_URL

  • SJTU_DEFAULT_TEXT_MODEL

  • SJTU_DEFAULT_REASONING_MODEL

  • SJTU_DEFAULT_VISION_MODEL

  • SJTU_REQUEST_TIMEOUT

사용 방법:

  • .env.example은 필요한 변수를 보여주는 템플릿일 뿐입니다.

  • 실제 사용 시에는 MCP 구성의 env 블록에 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.server

그 다음:

  1. ~/.claude.json을 엽니다.

  2. sjtu 항목을 찾습니다.

  3. examples/claude-project.mcp.json에서 env 섹션을 복사합니다.

  4. your-api-key를 실제 키로 바꿉니다.

확인:

claude mcp list

프로젝트 범위(Project Scope)

팀원들과 공유할 설정을 저장소에 커밋하려면 이 방법을 사용하세요.

사용 방법:

  1. examples/claude-project.mcp.json을 프로젝트 루트에 .mcp.json으로 복사합니다.

  2. your-api-key를 실제 키로 바꿉니다.

  3. 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.server

그런 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.server

그 다음:

  1. ~/.codex/config.toml을 엽니다.

  2. examples/codex-config.toml의 내용을 복사합니다.

  3. your-api-key를 실제 키로 바꿉니다.

  4. 저장하고 Codex를 다시 로드하거나 MCP를 다시 로드합니다.

확인:

codex mcp list

설정 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_models

  • sjtu_text

  • sjtu_vision

  • sjtu_cheap_task

예시

입력

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

test

출력

answer

권장 모델 사용법

  • deepseek-chat

    • 요약, 재작성, 정리 및 위험도가 낮은 텍스트 작업의 기본값

  • minimax 또는 glm-5

    • 가벼운 재작성, 분류 또는 추출에 유용

  • deepseek-reasoner

    • 다단계 추론이 필요한 작업에 더 적합

  • qwen3vl

    • 스크린샷, OCR 스타일 추출 및 이미지 이해를 위한 강력한 시작점

  • qwen3coder

    • 코드 관련 유틸리티 작업에 유용

참고 사항

  • 이 서버는 현재 SJTU 엔드포인트가 OpenAI 호환 /models 및 /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 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