Just Prompt - LLMプロバイダー向けの軽量MCPサーバー

just-prompt 、OpenAI、Anthropic、Google Gemini、Groq、DeepSeek、Ollamaといった様々な大規模言語モデル（LLM）プロバイダーへの統合インターフェースを提供するモデル制御プロトコル（ ceo_and_board ）サーバーです。ceo_and_boardツールを用いてo3で難しい意思決定を容易にする方法については、こちらをご覧ください。

ツール

サーバーでは次の MCP ツールが使用できます。

prompt : 複数の LLM モデルにプロンプトを送信する
- パラメータ:
  - text : プロンプトテキスト
  - models_prefixed_by_provider （オプション）: プロバイダープレフィックスを持つモデルのリスト。指定されていない場合は、デフォルトのモデルが使用されます。
prompt_from_file : ファイルから複数の LLM モデルにプロンプトを送信する
- パラメータ:
  - file : プロンプトを含むファイルへのパス
  - models_prefixed_by_provider （オプション）: プロバイダープレフィックスを持つモデルのリスト。指定されていない場合は、デフォルトのモデルが使用されます。
prompt_from_file_to_file : ファイルから複数の LLM モデルにプロンプトを送信し、応答をマークダウンファイルとして保存します。
- パラメータ:
  - file : プロンプトを含むファイルへのパス
  - models_prefixed_by_provider （オプション）: プロバイダープレフィックスを持つモデルのリスト。指定されていない場合は、デフォルトのモデルが使用されます。
  - output_dir (デフォルト: "."): レスポンスマークダウンファイルを保存するディレクトリ
ceo_and_board : 複数の「取締役」モデルにプロンプトを送信し、「CEO」モデルにその応答に基づいて決定を下させる
- パラメータ:
  - file : プロンプトを含むファイルへのパス
  - models_prefixed_by_provider (オプション): ボードメンバーとして機能する、プロバイダープレフィックスを持つモデルのリスト。指定されていない場合は、デフォルトのモデルが使用されます。
  - output_dir (デフォルト: "."): 応答ファイルとCEOの決定を保存するディレクトリ
  - ceo_model (デフォルト: "openai:o3"): CEO の決定に使用するモデル (形式: "provider:model")
list_providers : 利用可能なすべての LLM プロバイダーを一覧表示します
- パラメータ: なし
list_models : 特定の LLM プロバイダーで利用可能なすべてのモデルを一覧表示します。
- パラメータ:
  - provider : モデルをリストするプロバイダー（例：'openai' または 'o'）

Related MCP server: Library Docs MCP Server

プロバイダープレフィックス

すべてのモデルにはプロバイダー名をプレフィックスとして付ける必要があります
より速く参照するために短い名前を使用する

oまたはopenai : OpenAI
- o:gpt-4o-mini
- openai:gpt-4o-mini
aまたはanthropic : Anthropic
- a:claude-3-5-haiku
- anthropic:claude-3-5-haiku
gまたはgemini : Google Gemini
- g:gemini-2.5-pro-exp-03-25
- gemini:gemini-2.5-pro-exp-03-25
qまたはgroq : Groq
- q:llama-3.1-70b-versatile
- groq:llama-3.1-70b-versatile
dまたはdeepseek : DeepSeek
- d:deepseek-coder
- deepseek:deepseek-coder
lまたはollama : Ollama
- l:llama3.1
- ollama:llama3.1

特徴

複数の LLM プロバイダー向けの統合 API
文字列またはファイルからのテキストプロンプトのサポート
複数のモデルを並列に実行する
--default-modelsリストの最初のモデルを使用してモデル名を自動的に修正します
応答をファイルに保存する機能
利用可能なプロバイダーとモデルの簡単なリスト

インストール

# Clone the repository
git clone https://github.com/yourusername/just-prompt.git
cd just-prompt

# Install with pip
uv sync

環境変数

API キーを使用して.envファイルを作成します ( .env.sampleファイルをコピーできます)。

cp .env.sample .env

次に、 .envファイルを編集して API キーを追加します (またはシェルでエクスポートします)。

OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here
GROQ_API_KEY=your_groq_api_key_here
DEEPSEEK_API_KEY=your_deepseek_api_key_here
OLLAMA_HOST=http://localhost:11434

クロードコードのインストール

これらのすべての例では、ディレクトリを just-prompt ディレクトリへのパスに置き換えます。

デフォルトのモデルはopenai:o3:high 、 openai:o4-mini:high 、 anthropic:claude-3-7-sonnet-20250219:4k 、 gemini:gemini-2.5-pro-preview-03-25 、 gemini:gemini-2.5-flash-preview-04-17 。

リポジトリから直接 Claude Code を使用する場合、.mcp.json ファイルでデフォルトのモデルが次のように設定されていることがわかります...

{
  "mcpServers": {
    "just-prompt": {
      "type": "stdio",
      "command": "uv",
      "args": [
        "--directory",
        ".",
        "run",
        "just-prompt",
        "--default-models",
        "openai:o3:high,openai:o4-mini:high,anthropic:claude-3-7-sonnet-20250219:4k,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"
      ],
      "env": {}
    }
  }
}

--default-modelsパラメータは、APIエンドポイントに明示的にモデルが指定されていない場合に使用するモデルを設定します。リストの最初のモデルは、必要に応じてモデル名の修正にも使用されます。モデルはカンマ区切りで複数指定できます。

サーバーを起動すると、お使いの環境で利用可能なAPIキーが自動的に確認され、利用可能なプロバイダーが通知されます。キーが不足している場合、そのプロバイダーは利用不可として表示されますが、サーバーは起動し、利用可能なプロバイダーで使用できます。

`mcp add-json`使用

これをコピーして、claudeコードに貼り付けます。ただし、jsonをコピーするまでは実行しないでください。

claude mcp add just-prompt "$(pbpaste)"

コピーするJSON

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt"]
}

カスタムのデフォルトモデルをopenai:gpt-4oに設定します。

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:gpt-4o"]
}

複数のデフォルトモデルの場合:

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:o3:high,openai:o4-mini:high,anthropic:claude-3-7-sonnet-20250219:4k,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"]
}

プロジェクトスコープで`mcp add`使用する

# With default models
claude mcp add just-prompt -s project \
  -- \
    uv --directory . \
    run just-prompt

# With custom default model
claude mcp add just-prompt -s project \
  -- \
  uv --directory . \
  run just-prompt --default-models "openai:gpt-4o"

# With multiple default models
claude mcp add just-prompt -s user \
  -- \
  uv --directory . \
  run just-prompt --default-models "openai:o3:high,openai:o4-mini:high,anthropic:claude-3-7-sonnet-20250219:4k,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17:4k"

`mcp remove`

クロード・MCP 削除ジャストプロンプト

テストの実行

uv run pytest

コードベースの構造

.
├── ai_docs/                   # Documentation for AI model details
│   ├── extending_thinking_sonny.md
│   ├── llm_providers_details.xml
│   ├── openai-reasoning-effort.md
│   └── pocket-pick-mcp-server-example.xml
├── example_outputs/           # Example outputs from different models
├── list_models.py             # Script to list available LLM models
├── prompts/                   # Example prompt files
├── pyproject.toml             # Python project configuration
├── specs/                     # Project specifications
│   ├── init-just-prompt.md
│   ├── new-tool-llm-as-a-ceo.md
│   └── oai-reasoning-levels.md
├── src/                       # Source code directory
│   └── just_prompt/
│       ├── __init__.py
│       ├── __main__.py
│       ├── atoms/             # Core components
│       │   ├── llm_providers/ # Individual provider implementations
│       │   │   ├── anthropic.py
│       │   │   ├── deepseek.py
│       │   │   ├── gemini.py
│       │   │   ├── groq.py
│       │   │   ├── ollama.py
│       │   │   └── openai.py
│       │   └── shared/        # Shared utilities and data types
│       │       ├── data_types.py
│       │       ├── model_router.py
│       │       ├── utils.py
│       │       └── validator.py
│       ├── molecules/         # Higher-level functionality
│       │   ├── ceo_and_board_prompt.py
│       │   ├── list_models.py
│       │   ├── list_providers.py
│       │   ├── prompt.py
│       │   ├── prompt_from_file.py
│       │   └── prompt_from_file_to_file.py
│       ├── server.py          # MCP server implementation
│       └── tests/             # Test directory
│           ├── atoms/         # Tests for atoms
│           │   ├── llm_providers/
│           │   └── shared/
│           └── molecules/     # Tests for molecules
│               ├── test_ceo_and_board_prompt.py
│               ├── test_list_models.py
│               ├── test_list_providers.py
│               ├── test_prompt.py
│               ├── test_prompt_from_file.py
│               └── test_prompt_from_file_to_file.py
└── ultra_diff_review/         # Diff review outputs

コンテキストプライミング

README.md、pyproject.toml を読んでから、git ls-files と 'eza --git-ignore --tree' を実行して、プロジェクトのコンテキストを理解します。

OpenAI o-Seriesによる推論の取り組み

OpenAI o シリーズ推論モデル ( o4-mini 、 o3-mini 、 o3 ) では、目に見える回答を生成する前にモデルが実行する内部推論の量を制御できます。

モデル名に、次のいずれかのサフィックスを追加します (プロバイダープレフィックスの後)。

:low – 最小限の内部推論（より速く、より安価）
:medium – バランスの取れた（省略時のデフォルト）
:high – 徹底的な推論（遅い、トークンが多い）

例:

openai:o4-mini:low
o:o4-mini:high

推論サフィックスが存在する場合、 just-prompt は自動的に OpenAI Responses API（利用可能な場合）に切り替え、対応するreasoning.effortパラメータを設定します。インストールされている OpenAI SDK が古い場合は、Chat Completions エンドポイントにフォールバックし、要求された努力レベルを概算するための内部システム指示を埋め込みます。

クロードとトークンを考える

人間中心のクロードモデルclaude-3-7-sonnet-20250219思考トークンを用いた拡張思考機能をサポートします。これにより、クロードは回答前により綿密な思考プロセスを行うことができます。

次の形式でモデル名にサフィックスを追加することで、思考トークンを有効にすることができます。

anthropic:claude-3-7-sonnet-20250219:1k - 思考トークンを1024個使用する
anthropic:claude-3-7-sonnet-20250219:4k - 思考トークンを4096個使用する
anthropic:claude-3-7-sonnet-20250219:8000 - 思考トークンを8000個使用する

注記:

思考トークンはclaude-3-7-sonnet-20250219モデルでのみサポートされています。
有効な思考トークン予算の範囲は1024から16000です
この範囲外の値は範囲内に自動的に調整されます
予算は、k 表記 (1k、4k など) または正確な数値 (1024、4096 など) で指定できます。

ジェミニと予算を考える

Google Gemini モデルgemini-2.5-flash-preview-04-17思考予算を用いた拡張思考機能をサポートしています。これにより、Gemini は回答を提示する前に、より徹底した推論を実行できます。

次の形式でモデル名にサフィックスを追加することで、Thinking Budget を有効にすることができます。

gemini:gemini-2.5-flash-preview-04-17:1k - 1024思考予算を使用する
gemini:gemini-2.5-flash-preview-04-17:4k - 4096の思考予算を使用する
gemini:gemini-2.5-flash-preview-04-17:8000 - 8000の予算を使う

注記:

思考予算はgemini-2.5-flash-preview-04-17モデルでのみサポートされています
有効な思考予算の範囲は0～24576
この範囲外の値は範囲内に自動的に調整されます
予算は、k 表記 (1k、4k など) または正確な数値 (1024、4096 など) で指定できます。

リソース

AIコーディングをマスターする

AIコーディングの基本原則を学び、AIを使ったコーディングを学びましょう

AI コーディングのヒントやコツをもっと知りたい場合は、 IndyDevDan YouTube チャンネルをフォローしてください。

Just Prompt

Just Prompt - LLMプロバイダー向けの軽量MCPサーバー

ツール

プロバイダープレフィックス

特徴

インストール

環境変数

クロードコードのインストール

`mcp add-json`使用

プロジェクトスコープで`mcp add`使用する

`mcp remove`

テストの実行

コードベースの構造

コンテキストプライミング

OpenAI o-Seriesによる推論の取り組み

クロードとトークンを考える

ジェミニと予算を考える

リソース

AIコーディングをマスターする

Resources

Tools

Appeared in Searches

Latest Blog Posts

MCP directory API

Just Prompt - LLMプロバイダー向けの軽量MCPサーバー

ツール

プロバイダープレフィックス

特徴

インストール

環境変数

クロードコードのインストール

mcp add-json使用

プロジェクトスコープでmcp add使用する

mcp remove

テストの実行

コードベースの構造

コンテキストプライミング

OpenAI o-Seriesによる推論の取り組み

クロードとトークンを考える

ジェミニと予算を考える

リソース

AIコーディングをマスターする

Resources

Tools

Appeared in Searches

Latest Blog Posts

MCP directory API

`mcp add-json`使用

プロジェクトスコープで`mcp add`使用する

`mcp remove`