🧠 Expert MCP

Equipa a tu modelo de IA con un asesor experto de alto nivel "siempre disponible para consultas".

Cuando el modelo de flujo descendente se encuentra con problemas complejos, puede reenviar la pregunta a un modelo avanzado preconfigurado (como GPT-5.5, Claude Opus 4.7, etc.) a través de esta herramienta MCP, obtener un análisis profundo y recomendaciones profesionales, y luego combinarlo con su propio juicio para proporcionar la respuesta final.

✨ Características

• 🔌 Compatible con OpenAI — Se conecta a cualquier punto final de flujo ascendente con formato OpenAI (OpenAI / DeepSeek / Qwen / vLLM / Ollama, etc.)

• ⚙️ Basado en archivos de configuración — Todos los parámetros se gestionan de forma centralizada en config.json, sin necesidad de modificar el código

• 📡 Streamable HTTP — Transmisión HTTP compatible con los últimos estándares MCP, punto final /mcp

• 🛠️ Sugerencias de herramientas enriquecidas — description cuidadosamente diseñada para guiar al modelo de flujo descendente a realizar llamadas en el momento adecuado

• 🧩 Parámetros de entrada de tres partes — question (obligatorio), context (antecedentes), focus (enfoque principal)

• 📊 Registro completo — Registro de solicitudes + estadísticas de uso de tokens, fácil de monitorear y solucionar problemas

🏗️ Principio de funcionamiento

┌─────────────────────────────────────────────────────────┐
│                      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                       │
└─────────────────────────────────────────────────────────┘

📦 Inicio rápido

1. Clonar el repositorio

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

2. Instalar dependencias

pip install -r requirements.txt

Se recomienda usar Python 3.10+ y realizar la instalación en un entorno virtual.

3. Editar el archivo de configuración

Copia y modifica 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。"
  }
}

Consulta la ⚙️ Referencia de configuración a continuación para obtener una explicación de los elementos de configuración.

4. Iniciar el servicio

python server.py

Verás el siguiente registro si el inicio fue exitoso:

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

Dirección del punto final MCP:

http://127.0.0.1:8765/mcp

🔧 Conexión del cliente

Agrega la siguiente configuración en clientes que admitan MCP Streamable HTTP (Cherry Studio, Cline, Claude Code, etc.):

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

¿Despliegue remoto? Reemplaza 127.0.0.1 con la IP real o el nombre de dominio del servidor y asegúrate de que el firewall permita el puerto correspondiente.

⚙️ Referencia de configuración

Cambiar el archivo de configuración mediante variables de entorno

MCP_CONFIG=config.prod.json python server.py

🛠️ Descripción de herramientas

Herramientas que el modelo de flujo descendente puede llamar:

consult_advanced_model

Escenarios recomendados para llamar:

• Problemas donde la confianza propia es < 80%

• El usuario solicita explícitamente pensamiento profundo / análisis riguroso / mejores soluciones

• Problemas con múltiples restricciones que requieren compensaciones complejas

• Matemáticas, algoritmos, diseño de sistemas, errores difíciles que requieren razonamiento paso a paso

• Situaciones donde se necesita una verificación secundaria de las propias conclusiones

Escenarios no recomendados:

• Saludos simples o consultas de información pura

• Preguntas básicas con respuestas obvias

• Tareas simples repetitivas de alta frecuencia

🌐 Conexión a servicios de flujo ascendente

Simplemente modifica la sección upstream en config.json para conectarte a diferentes proveedores de servicios

📋 Dependencias

mcp>=1.2.0
openai>=1.40.0

📄 Licencia

MIT License © 2026 MCJPG