🧠 Expert MCP

为你的 AI 模型配备一位"随时可以请教"的高级专家顾问。

当下游模型遇到复杂问题时，可以通过本 MCP 工具将问题转发给预先配置好的高级模型（如 GPT-5.5、Claude Opus 4.7 等），获取深度分析与专业建议，再结合自身判断给出最终答案。

Python MCP License GitHub

✨ 功能特性

🔌 OpenAI 兼容 — 对接任何 OpenAI 格式的上游端点（OpenAI / DeepSeek / Qwen / vLLM / Ollama 等）
⚙️ 配置文件驱动 — 所有参数在 config.json 中集中管理，无需改动代码
📡 Streamable HTTP — 符合 MCP 最新标准的流式 HTTP 传输，端点 /mcp
🛠️ 丰富的工具提示 — 精心设计的 description，引导下游模型在正确时机调用
🧩 三段式入参 — question（必填）、context（背景）、focus（重点方向）
📊 完整日志 — 请求日志 + Token 用量统计，便于监控与排查

🏗️ 工作原理

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

📦 快速开始

1. 克隆仓库

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

2. 安装依赖

pip install -r requirements.txt

推荐使用 Python 3.10+，建议在虚拟环境中安装。

3. 编辑配置文件

复制并修改 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。"
  }
}

配置项说明见下方 ⚙️ 配置参考。

4. 启动服务

python server.py

看到如下日志即表示启动成功：

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 端点地址：

http://127.0.0.1:8765/mcp

🔧 客户端接入

在支持 MCP Streamable HTTP 的客户端（Cherry Studio、Cline、Claude Code 等）中添加如下配置：

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

远程部署？ 将 127.0.0.1 替换为服务器的实际 IP 或域名，并确保防火墙放行对应端口。

⚙️ 配置参考

字段	类型	默认值	说明
`host`	string	`"0.0.0.0"`	服务监听地址
`port`	integer	`8765`	服务监听端口
`upstream.base_url`	string	—	上游 API 的 base URL（OpenAI 兼容格式）
`upstream.api_key`	string	—	上游 API Key
`upstream.model`	string	—	上游模型名称，如 `gpt-5.5`、`claude-opus-4-7`
`upstream.temperature`	float	`0.3`	生成温度，建议分析类任务保持较低值
`upstream.max_tokens`	integer	`4096`	单次回复最大 Token 数
`upstream.timeout`	float	`120`	请求超时秒数
`upstream.system_prompt`	string	内置默认值	高级模型的系统提示词，可完全自定义

使用环境变量切换配置文件

MCP_CONFIG=config.prod.json python server.py

🛠️ 工具说明

下游模型可以调用的工具：

`consult_advanced_model`

参数	类型	必填	说明
`question`	string	✅	待咨询的核心问题，尽量完整清晰
`context`	string	❌	背景信息，如代码片段、用户需求、已尝试方案等
`focus`	string	❌	希望高级模型重点回答的方向

建议调用的场景：

自身把握 < 80% 的问题
用户明确要求深度思考 / 严谨分析 / 最佳方案
涉及复杂权衡的多约束问题
需要逐步推理的数学、算法、系统设计、疑难 Bug
需要二次验证自己结论的情况

不建议调用的场景：

简单问候或纯粹的信息查询
答案显而易见的基础问题
高频重复的简单任务

🌐 对接上游服务

只需修改 config.json 中的 upstream 部分即可对接不同服务商

📋 依赖

mcp>=1.2.0
openai>=1.40.0

Expert MCP