Just Prompt
Just Prompt — легкий сервер MCP для поставщиков LLM
just-prompt — это сервер Model Control Protocol (MCP), который предоставляет унифицированный интерфейс для различных поставщиков Large Language Model (LLM), включая OpenAI, Anthropic, Google Gemini, Groq, DeepSeek и Ollama. Посмотрите, как мы используем инструмент ceo_and_board , чтобы упростить принятие сложных решений с помощью o3, здесь .
Инструменты
На сервере доступны следующие инструменты MCP:
prompt: Отправить запрос нескольким моделям LLMПараметры:
text: Текст подсказкиmodels_prefixed_by_provider(необязательно): Список моделей с префиксами провайдера. Если не указано, используются модели по умолчанию.
prompt_from_file: отправка подсказки из файла нескольким моделям LLMПараметры:
file: Путь к файлу, содержащему подсказкуmodels_prefixed_by_provider(необязательно): Список моделей с префиксами провайдера. Если не указано, используются модели по умолчанию.
prompt_from_file_to_file: отправка запроса из файла в несколько моделей LLM и сохранение ответов в виде файлов разметкиПараметры:
file: Путь к файлу, содержащему подсказкуmodels_prefixed_by_provider(необязательно): Список моделей с префиксами провайдера. Если не указано, используются модели по умолчанию.output_dir(по умолчанию: "."): Каталог для сохранения файлов разметки ответов
ceo_and_board: отправка запроса нескольким моделям «член совета директоров» и принятие решения моделью «генеральный директор» на основе их ответов.Параметры:
file: Путь к файлу, содержащему подсказкуmodels_prefixed_by_provider(необязательно): Список моделей с префиксами поставщиков для работы в качестве членов совета. Если не указано, используются модели по умолчанию.output_dir(по умолчанию: "."): Каталог для сохранения файлов ответов и решений генерального директораceo_model(по умолчанию: «openai:o3»): модель, используемая для принятия решения генеральным директором в формате «поставщик:модель»
list_providers: Список всех доступных поставщиков LLMПараметры: Нет
list_models: список всех доступных моделей для определенного поставщика LLMПараметры:
provider: поставщик для перечисления моделей (например, «openai» или «o»)
Related MCP server: gemini-bridge
Префиксы провайдера
Каждая модель должна иметь префикс в виде имени поставщика.
используйте короткое имя для более быстрой ссылки
oилиopenai: OpenAIo:gpt-4o-miniopenai:gpt-4o-mini
aилиanthropic: антропныйa:claude-3-5-haikuanthropic:claude-3-5-haiku
gилиgemini: Google Близнецыg:gemini-2.5-pro-exp-03-25gemini:gemini-2.5-pro-exp-03-25
qилиgroq: Groqq:llama-3.1-70b-versatilegroq:llama-3.1-70b-versatile
dилиdeepseek: DeepSeekd:deepseek-coderdeepseek:deepseek-coder
lилиollama: Олламаl:llama3.1ollama:llama3.1
Функции
Унифицированный API для нескольких поставщиков LLM
Поддержка текстовых подсказок из строк или файлов
Запуск нескольких моделей параллельно
Автоматическая коррекция имени модели с использованием первой модели в списке
--default-modelsВозможность сохранения ответов в файлы
Удобный список доступных поставщиков и моделей
Установка
# Clone the repository
git clone https://github.com/yourusername/just-prompt.git
cd just-prompt
# Install with pip
uv syncПеременные среды
Создайте файл .env с вашими ключами API (можно скопировать файл .env.sample ):
cp .env.sample .envЗатем отредактируйте файл .env , чтобы добавить ключи API (или экспортируйте их в оболочку):
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:11434Установка кода Клода
Во всех этих примерах замените каталог на путь к каталогу just-prompt.
Модели по умолчанию установлены на openai:o3:high , openai:o4-mini:high , anthropic:claude-3-7-sonnet-20250219:4k , gemini:gemini-2.5-pro-preview-03-25 и gemini:gemini-2.5-flash-preview-04-17 .
Если вы используете Claude Code прямо из репозитория, вы можете увидеть в файле .mcp.json, что мы установили модели по умолчанию...
{
"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": {}
}
}
}Параметр --default-models задает модели для использования, когда ни одна из них явно не указана для конечных точек API. Первая модель в списке также используется для исправления имени модели при необходимости. Это может быть список моделей, разделенных запятыми.
При запуске сервера он автоматически проверит, какие ключи API доступны в вашей среде, и сообщит, каких поставщиков вы можете использовать. Если ключ отсутствует, поставщик будет указан как недоступный, но сервер все равно запустится и может использоваться с доступными поставщиками.
Использование mcp add-json
Скопируйте это и вставьте в код Клода, НО не запускайте, пока не скопируете json
claude mcp add just-prompt "$(pbpaste)"JSON для копирования
{
"command": "uv",
"args": ["--directory", ".", "run", "just-prompt"]
}С пользовательской моделью по умолчанию, установленной на openai:gpt-4o .
{
"command": "uv",
"args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:gpt-4o"]
}С несколькими моделями по умолчанию:
{
"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"]
}Использование mcp add с областью действия проекта
# 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
claude mcp удалить просто-подсказка
Проведение тестов
uv run pytestСтруктура кодовой базы
.
├── 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 outputsКонтекстная подготовка
ПРОЧИТАЙТЕ README.md, pyproject.toml, затем запустите git ls-files и 'eza --git-ignore --tree', чтобы понять контекст проекта.
Обоснование усилий с OpenAI o‑Series
Для моделей рассуждений OpenAI серии o ( o4-mini , o3-mini , o3 ) вы можете контролировать объем внутренних рассуждений, выполняемых моделью перед выдачей видимого ответа.
Добавьте один из следующих суффиксов к названию модели (после префикса поставщика ):
:low– минимальные внутренние рассуждения (быстрее, дешевле):medium– сбалансированный (по умолчанию, если не указан):high– тщательное рассуждение (медленнее, больше токенов)
Примеры:
openai:o4-mini:lowo:o4-mini:high
При наличии суффикса reasoning just-prompt автоматически переключается на API OpenAI Responses (если он доступен) и устанавливает соответствующий параметр reasoning.effort . Если установленный OpenAI SDK более старый, он изящно возвращается к конечной точке Chat Completions и встраивает внутреннюю системную инструкцию для приблизительного соответствия запрошенному уровню усилий.
Думаем о жетонах с Клодом
Модель антропного Клода claude-3-7-sonnet-20250219 поддерживает расширенные мыслительные способности с использованием токенов мышления. Это позволяет Клоду проводить более тщательные мыслительные процессы перед ответом.
Вы можете включить токены мышления, добавив суффикс к имени модели в следующем формате:
anthropic:claude-3-7-sonnet-20250219:1k- Используйте 1024 жетона мышленияanthropic:claude-3-7-sonnet-20250219:4k- Используйте 4096 токенов мышленияanthropic:claude-3-7-sonnet-20250219:8000- Используйте 8000 жетонов мышления
Примечания:
Маркеры мышления поддерживаются только для модели
claude-3-7-sonnet-20250219Допустимые бюджеты токенов мышления варьируются от 1024 до 16000.
Значения, выходящие за пределы этого диапазона, будут автоматически скорректированы так, чтобы соответствовать диапазону.
Вы можете указать бюджет с помощью k-нотации (1k, 4k и т. д.) или с помощью точных чисел (1024, 4096 и т. д.)
Думаем о бюджете с Близнецами
Модель Google Gemini gemini-2.5-flash-preview-04-17 поддерживает расширенные возможности мышления с использованием бюджета мышления. Это позволяет Gemini выполнять более тщательное рассуждение перед предоставлением ответа.
Вы можете включить функцию «думающего бюджета», добавив суффикс к названию модели в следующем формате:
gemini:gemini-2.5-flash-preview-04-17:1k- Используйте бюджет мышления 1024gemini:gemini-2.5-flash-preview-04-17:4k- Используйте 4096 бюджета мышленияgemini:gemini-2.5-flash-preview-04-17:8000- Используйте бюджет мышления 8000
Примечания:
Бюджет Thinking поддерживается только для модели
gemini-2.5-flash-preview-04-17Допустимый диапазон бюджета мышления от 0 до 24576
Значения, выходящие за пределы этого диапазона, будут автоматически скорректированы так, чтобы соответствовать диапазону.
Вы можете указать бюджет с помощью k-нотации (1k, 4k и т. д.) или с помощью точных чисел (1024, 4096 и т. д.)
Ресурсы
Мастер кодирования ИИ
Научитесь программировать с помощью ИИ, изучив основные принципы кодирования ИИ
Подпишитесь на канал IndyDevDan на YouTube, чтобы получить больше советов и рекомендаций по программированию ИИ.
Available Tools
6 toolsceo_and_boardB
Send a prompt to multiple 'board member' models and have a 'CEO' model make a decision based on their responses. IMPORTANT: You MUST provide absolute paths (e.g., /path/to/file or C:\path\to\file) for both file and output directory, not relative paths.
Inputs: abs_file_path (required), abs_output_dir, ceo_model, models_prefixed_by_provider.
list_modelsC
List all available models for a specific LLM provider
Inputs: provider (required).
list_providersB
List all available LLM providers
Inputs: no named parameters.
promptC
Send a prompt to multiple LLM models
Inputs: text (required), models_prefixed_by_provider.
prompt_from_fileA
Send a prompt from a file to multiple LLM models. IMPORTANT: You MUST provide an absolute file path (e.g., /path/to/file or C:\path\to\file), not a relative path.
Inputs: abs_file_path (required), models_prefixed_by_provider.
prompt_from_file_to_fileB
Send a prompt from a file to multiple LLM models and save responses to files. IMPORTANT: You MUST provide absolute paths (e.g., /path/to/file or C:\path\to\file) for both file and output directory, not relative paths.
Inputs: abs_file_path (required), abs_output_dir, models_prefixed_by_provider.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 6 tools
There is significant overlap between 'prompt', 'prompt_from_file', and 'prompt_from_file_to_file', all centered on sending prompts to multiple models, which could cause confusion. However, 'ceo_and_board' adds a distinct decision-making layer, and 'list_models' and 'list_providers' are clearly separate informational tools, helping to mitigate ambiguity.
Most tools follow a clear verb_noun or verb_from_noun pattern (e.g., 'list_models', 'prompt_from_file'), with consistent snake_case throughout. The only deviation is 'ceo_and_board', which uses a noun-based name that breaks the verb-led convention, but it's still readable and not chaotic.
With 6 tools, this server is well-scoped for its purpose of managing and prompting LLM models. The count is sufficient to cover core functionalities like listing providers/models and various prompting methods without being overwhelming or too sparse.
The toolset covers key operations for LLM interaction: listing providers and models, basic prompting, file-based prompting, and an advanced decision-making tool. A minor gap exists in lacking update or delete operations for prompts or models, but agents can likely work around this for typical use cases.
Maintenance
Related MCP Connectors
MCP server for AI dialogue using various LLM models via AceDataCloud
MCP server for OpenAI API (chat completions, image generation, embeddings) via AceDataCloud
MCP server for GLM chat completions using Zhipu AI models via AceDataCloud
Related MCP Servers
- AlicenseAqualityDmaintenanceAn MCP server that enables AI applications to access 20+ model providers (including OpenAI, Anthropic, Google) through a unified interface for text and image generation.230MIT
- AlicenseAqualityCmaintenanceA lightweight MCP server bridging AI agents to Google's Gemini AI via official CLI3118 PyPI99MIT
- AlicenseNot gradedqualityCmaintenanceAn MCP server that functions as an intelligent gateway for multiple LLM backends including OpenAI, Claude, and Ollama. It supports automatic provider fallback, streaming responses via Server-Sent Events, and real-time monitoring for robust AI integration.MIT
- AlicenseNot gradedqualityDmaintenanceA universal MCP server for spawning agents with any OpenAI-compatible LLM, supporting cloud and local models, and integrating with Claude Code, OpenCode, and Codex CLI.67 PyPIMIT