🧠 Expert MCP

Оснастите свою модель ИИ «экспертным консультантом», к которому можно обратиться в любой момент.

Когда используемая модель сталкивается со сложной задачей, она может перенаправить вопрос заранее настроенной продвинутой модели (например, GPT-5.5, Claude Opus 4.7 и т. д.) с помощью этого MCP-инструмента, получить глубокий анализ и профессиональные рекомендации, а затем, объединив их со своим собственным суждением, выдать окончательный ответ.

Python MCP License GitHub

✨ Функциональные особенности

🔌 Совместимость с OpenAI — подключение к любым вышестоящим эндпоинтам в формате OpenAI (OpenAI / DeepSeek / Qwen / vLLM / Ollama и др.)
⚙️ Конфигурация через файл — все параметры централизованно управляются в config.json, без необходимости изменения кода
📡 Streamable HTTP — потоковая передача по HTTP в соответствии с новейшими стандартами MCP, эндпоинт /mcp
🛠️ Богатые подсказки для инструментов — тщательно проработанное description, направляющее модель на вызов в нужный момент
🧩 Трехкомпонентные входные параметры — question (обязательно), context (контекст), focus (фокус внимания)
📊 Полное логирование — логи запросов + статистика использования токенов для мониторинга и отладки

🏗️ Принцип работы

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

📦 Быстрый старт

1. Клонирование репозитория

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

2. Установка зависимостей

pip install -r requirements.txt

Рекомендуется использовать Python 3.10+, желательно устанавливать в виртуальном окружении.

3. Редактирование конфигурационного файла

Скопируйте и измените 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。"
  }
}

Описание параметров см. ниже в разделе ⚙️ Справочник конфигурации.

4. Запуск службы

python server.py

Появление следующих логов означает успешный запуск:

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

Адрес MCP-эндпоинта:

http://127.0.0.1:8765/mcp

🔧 Подключение клиента

В клиентах, поддерживающих MCP Streamable HTTP (Cherry Studio, Cline, Claude Code и др.), добавьте следующую конфигурацию:

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

Удаленное развертывание? Замените 127.0.0.1 на реальный IP-адрес или доменное имя сервера и убедитесь, что порт открыт в брандмауэре.

⚙️ Справочник конфигурации

Поле	Тип	Значение по умолчанию	Описание
`host`	string	`"0.0.0.0"`	Адрес прослушивания службы
`port`	integer	`8765`	Порт прослушивания службы
`upstream.base_url`	string	—	Базовый URL вышестоящего API (совместимый с OpenAI)
`upstream.api_key`	string	—	API-ключ вышестоящего сервиса
`upstream.model`	string	—	Название модели, например `gpt-5.5`, `claude-opus-4-7`
`upstream.temperature`	float	`0.3`	Температура генерации, для аналитических задач рекомендуется низкое значение
`upstream.max_tokens`	integer	`4096`	Максимальное количество токенов в одном ответе
`upstream.timeout`	float	`120`	Тайм-аут запроса в секундах
`upstream.system_prompt`	string	Встроенное значение	Системный промпт для продвинутой модели, можно полностью настроить

Переключение конфигурационного файла через переменные окружения

MCP_CONFIG=config.prod.json python server.py

🛠️ Описание инструментов

Инструменты, доступные для вызова моделью:

`consult_advanced_model`

Параметр	Тип	Обязательно	Описание
`question`	string	✅	Основной вопрос для консультации, максимально полный и ясный
`context`	string	❌	Контекстная информация, например фрагменты кода, требования пользователя, предложенные решения и т. д.
`focus`	string	❌	Направление, в котором желательно получить ответ от продвинутой модели

Рекомендуемые сценарии использования:

Уверенность в ответе < 80%
Пользователь явно запрашивает глубокое мышление / строгий анализ / оптимальное решение
Задачи с множеством ограничений, требующие сложного взвешивания факторов
Математика, алгоритмы, системный дизайн, сложные баги, требующие пошаговых рассуждений
Ситуации, когда нужно перепроверить собственные выводы

Не рекомендуется использовать:

Простые приветствия или обычные информационные запросы
Базовые вопросы с очевидными ответами
Часто повторяющиеся простые задачи

🌐 Подключение к вышестоящим сервисам

Просто измените раздел upstream в config.json для подключения к разным провайдерам.

📋 Зависимости

mcp>=1.2.0
openai>=1.40.0

Expert MCP