llm-chat-mcp

Servidor MCP para interactuar con los modelos LLM configurados en el config.yaml de Continue.dev.

Qué hace

Expone 4 herramientas que permiten al agente inspeccionar tus modelos configurados y enviarles solicitudes de chat:

• llm_chat_list_models — lista todos los modelos de tu configuración con sus nombres e ids

• llm_chat_get_model_params — inspecciona los parámetros (temperature, topP, etc.) de cualquier modelo

• llm_chat_get_model_prompt — lee el prompt de sistema configurado para un modelo

• llm_chat_send_request — chatea con un modelo, opcionalmente sobrescribiendo parámetros o cargando prompts desde archivos

Related MCP server: Polybrain MCP Server

Instalación

pip install -e .

O ejecútalo directamente desde el código fuente sin instalación.

Uso desde CLI

python -m llm_chat_mcp --default-model "GLM-5.2-FP8"
python -m llm_chat_mcp --config /path/to/config.yaml --default-model "ModelName"
python -m llm_chat_mcp --help

Configuración

• La configuración se vuelve a leer en cada solicitud — no se necesita reiniciar

• La autenticación usa apiKey de cada entrada de modelo en config.yaml

• Si no se especifica ningún modelo (ni en CLI ni en la llamada a la herramienta), un error te indica cómo configurarlo

Parámetros de llm_chat_send_request

La herramienta principal. Envía una solicitud de chat completion a un LLM y devuelve la respuesta.

Parámetros de entrada

Estructura de la respuesta

Siempre se devuelve como JSON:

{
  "content": "<preview, full content, or empty>",
  "truncated": true,
  "metadata": {
    "model_name": "...",
    "model": "...",
    "elapsed_seconds": 1.23,
    "request_sent": {...},
    "response_headers": {...},
    "response_chars": 1234,
    "output_file": "...",
    "auto_output_file": "...",
    "created_dirs": [...],
    "appended_line_start": 201,
    "appended_line_end": 250
  }
}

Estrategia de salida

La herramienta elige una de tres estrategias según los parámetros y el tamaño de la respuesta:

1. Archivo explícito (output_file_path establecido): la respuesta completa se escribe en el archivo. Si append=true, la respuesta se añade y se devuelven appended_line_start/appended_line_end (basados en 1, inclusivos) para que el llamador pueda leer solo el fragmento añadido mediante extract_lines.

2. Archivo automático (sin output_file_path, auto_file_threshold > 0, response_chars > umbral): la respuesta completa se escribe en un archivo generado automáticamente en --auto-output-dir (o en el directorio temporal del SO). Formato del nombre: llm_output_<YYYYMMDD_HHMMSS>_<uuid-de-6-caracteres>.json.

3. Solo en línea (sin archivo escrito): el contenido completo se devuelve en el campo content.

Vista previa en línea

Cuando se escribe un archivo (explícito o automático), el campo content contiene una vista previa de la respuesta:

• Si inline_preview_chars > 0 y len(content) > inline_preview_chars: vista previa truncada con el sufijo [truncated, full response in <file_path>].

• Si inline_preview_chars > 0 y len(content) <= inline_preview_chars: contenido completo (cabe en la vista previa).

• Si inline_preview_chars == 0: content vacío (el archivo tiene la respuesta completa).

Cuando no se escribe ningún archivo, el contenido completo se devuelve en línea independientemente de inline_preview_chars — esto evita la pérdida de datos.

Integración con Continue.dev

Añade a .continue/mcpServers/llm-chat.yaml:

name: LLM Chat MCP server
version: 0.2.0
schema: v1
mcpServers:
  - name: LLM Chat MCP server
    command: python
    args:
      - "-m"
      - "llm_chat_mcp"
      - "--default-model"
      - "GLM-5.2-FP8"
      - "--timeout"
      - "570"
      - "--relative_paths_base"
      - "/path/to/your/workspace"
      - "--auto-output-dir"
      - "/path/to/your/workspace/.continue/skills/large-tasks/tmp-outputs"
    env:
      PYTHONPATH: "/path/to/llm-chat-mcp"

Luego recarga Continue.dev.

Estructura del proyecto

llm-chat-mcp/
├── pyproject.toml          # Dependencies: mcp, pyyaml, httpx
├── README.md               # This file
├── llm_chat_mcp/
│   ├── __init__.py
│   ├── __main__.py         # CLI entry point + tool registration
│   ├── config.py           # Config loading, model resolution
│   └── api.py              # API client, error handling
└── tests/
    └── test_output_strategies.py  # Tests for append, inline_preview, auto_file

Pruebas

python tests/test_output_strategies.py

Las pruebas simulan la llamada a la API y verifican la lógica de escritura de archivos y ensamblaje de respuestas. Cubren todas las combinaciones de output_file_path, append, inline_preview_chars y auto_file_threshold.