🧠 Expert MCP

Statte dein KI-Modell mit einem „jederzeit abrufbaren“ Expertenberater aus.

Wenn das nachgelagerte Modell auf komplexe Probleme stößt, kann es diese über dieses MCP-Tool an ein vorkonfiguriertes fortgeschrittenes Modell (wie GPT-5.5, Claude Opus 4.7 usw.) weiterleiten, um tiefgreifende Analysen und professionelle Ratschläge zu erhalten und diese dann mit der eigenen Einschätzung zu einer endgültigen Antwort zu kombinieren.

✨ Funktionen

• 🔌 OpenAI-kompatibel — Verbindet sich mit jedem Upstream-Endpunkt im OpenAI-Format (OpenAI / DeepSeek / Qwen / vLLM / Ollama usw.)

• ⚙️ Konfigurationsgesteuert — Alle Parameter werden zentral in config.json verwaltet, keine Codeänderungen erforderlich

• 📡 Streamable HTTP — Streamfähige HTTP-Übertragung gemäß dem neuesten MCP-Standard, Endpunkt /mcp

• 🛠️ Umfangreiche Tool-Beschreibungen — Sorgfältig gestaltete description, die das nachgelagerte Modell anleitet, zum richtigen Zeitpunkt aufzurufen

• 🧩 Dreiteilige Eingabeparameter — question (erforderlich), context (Hintergrund), focus (Schwerpunkt)

• 📊 Vollständiges Logging — Anforderungsprotokolle + Token-Nutzungsstatistik zur einfachen Überwachung und Fehlerbehebung

Related MCP server: Consult LLM MCP

🏗️ Funktionsweise

┌─────────────────────────────────────────────────────────┐
│                      用户 (User)                         │
└───────────────────────────┬─────────────────────────────┘
                            │ 提问
                            ▼
┌─────────────────────────────────────────────────────────┐
│              下游模型 (Claude / GPT / Qwen …)            │
│                                                         │
│   遇到复杂问题？→ 调用 consult_advanced_model 工具       │
└───────────────────────────┬─────────────────────────────┘
                            │ MCP Streamable HTTP
                            ▼
┌─────────────────────────────────────────────────────────┐
│                   Expert MCP Server                     │
│               (本项目 server.py)                        │
└───────────────────────────┬─────────────────────────────┘
                            │ OpenAI API 请求
                            ▼
┌─────────────────────────────────────────────────────────┐
│         上游高级模型 (GPT-5.5、Claude Opus 4.7 …)      │
│                   返回深度分析意见                       │
└─────────────────────────────────────────────────────────┘

📦 Schnellstart

1. Repository klonen

git clone https://github.com/MineJPGcraft/Expert-mcp.git
cd Expert-mcp

2. Abhängigkeiten installieren

pip install -r requirements.txt

Python 3.10+ wird empfohlen; die Installation in einer virtuellen Umgebung ist ratsam.

3. Konfigurationsdatei bearbeiten

Kopiere und bearbeite config.json:

{
  "host": "0.0.0.0",
  "port": 8765,
  "upstream": {
    "base_url": "https://api.openai.com/v1",
    "api_key": "sk-xxxxxxxxxxxxxxxxxxxx",
    "model": "gpt-5.5",
    "temperature": 0.3,
    "max_tokens": 4096,
    "timeout": 120,
    "system_prompt": "你是一位顶尖的资深专家顾问，请对问题进行深入、严谨、可执行的分析。"
  }
}

Die Erläuterungen zu den Konfigurationsoptionen findest du unten unter ⚙️ Konfigurationsreferenz.

4. Dienst starten

python server.py

Wenn du die folgenden Protokolle siehst, war der Start erfolgreich:

2025-xx-xx | INFO    | mcp-advisor | 上游模型: gpt-4o @ https://api.openai.com/v1
2025-xx-xx | INFO    | mcp-advisor | MCP 监听: http://0.0.0.0:8765/mcp

MCP-Endpunkt-Adresse:

http://127.0.0.1:8765/mcp

🔧 Client-Anbindung

Füge in Clients, die MCP Streamable HTTP unterstützen (Cherry Studio, Cline, Claude Code usw.), die folgende Konfiguration hinzu:

{
  "mcpServers": {
    "expert-advisor": {
      "type": "streamableHttp",
      "url": "http://127.0.0.1:8765/mcp"
    }
  }
}

Remote-Bereitstellung? Ersetze 127.0.0.1 durch die tatsächliche IP oder Domain des Servers und stelle sicher, dass die Firewall den entsprechenden Port freigibt.

⚙️ Konfigurationsreferenz

Konfigurationsdatei über Umgebungsvariablen wechseln

MCP_CONFIG=config.prod.json python server.py

🛠️ Tool-Beschreibung

Tools, die vom nachgelagerten Modell aufgerufen werden können:

consult_advanced_model

Empfohlene Szenarien für den Aufruf:

• Fragen, bei denen die eigene Sicherheit < 80 % liegt

• Der Benutzer fordert explizit tiefes Nachdenken / strenge Analyse / die beste Lösung

• Probleme mit komplexen Abwägungen und mehreren Einschränkungen

• Mathematik, Algorithmen, Systemdesign, schwierige Bugs, die schrittweises Schlussfolgern erfordern

• Fälle, in denen die eigenen Schlussfolgerungen zweifach validiert werden müssen

Nicht empfohlene Szenarien für den Aufruf:

• Einfache Begrüßungen oder reine Informationsabfragen

• Grundlegende Fragen, deren Antwort offensichtlich ist

• Häufig wiederkehrende einfache Aufgaben

🌐 Anbindung an Upstream-Dienste

Ändere einfach den upstream-Teil in config.json, um eine Verbindung zu verschiedenen Dienstanbietern herzustellen.

📋 Abhängigkeiten

mcp>=1.2.0
openai>=1.40.0

📄 Lizenz

MIT License © 2026 MCJPG