Skip to main content
Glama
deenesjakoruzh
LZMW

Aurai Advisor (上级顾问 MCP)

by LZMW
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

Aurai Advisor MCP

让本地 AI（Claude Code）在遇到复杂编程问题时，向远程大模型继续请教的 MCP 服务。

工作原理: 本地 AI 通过 sync_context 上传代码文件 → consult_aurai 提交问题 → 远程顾问返回分析 + 可执行步骤 → 本地 AI 用 report_progress 汇报进展 → 循环直到解决。

关键约束: 远程顾问无法直接访问你的文件系统。它只能看到你通过 sync_context 上传的文件内容和 consult_aurai 描述的信息。

安装

1. 环境要求

  • Python 3.10+

  • Claude Code（或其他支持 MCP stdio 的客户端）

2. 下载并安装依赖

git clone https://github.com/LZMW/mcp-aurai-server.git
cd mcp-aurai-server
python -m venv venv
venv\Scripts\activate        # Windows
# source venv/bin/activate   # macOS / Linux
pip install -e .

3. 在 Claude Code 中注册

claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="你的API密钥" \
  --env AURAI_BASE_URL="https://你的API地址/v1" \
  --env AURAI_MODEL="模型名称" \
  -- "完整路径\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

Windows 实际示例:

claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="sk-xxxxxxxxxxxxxxxx" \
  --env AURAI_BASE_URL="https://api.openai.com/v1" \
  --env AURAI_MODEL="gpt-4o" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

--scope user 表示在所有项目中可用。

4. 验证

claude mcp list

看到 aurai-advisor: ✓ Connected 即成功。

5. 卸载

claude mcp remove "aurai-advisor" -s user

配置参数

所有参数通过环境变量设置，在 claude mcp add 时用 --env 传入。

必填

环境变量

说明

示例

AURAI_API_KEY

API 密钥

sk-xxxxxxxx

AURAI_BASE_URL

OpenAI 兼容接口地址

https://api.openai.com/v1

AURAI_MODEL

模型名称

gpt-4o / claude-opus-4-1-20250805-thinking

AI 调用控制

环境变量

默认值

范围

说明

AURAI_TEMPERATURE

0.7

0.0–2.0

生成温度。越低越确定，越高越随机

AURAI_MAX_TOKENS

32000

≥1

远程顾问单次回复的最大输出长度（tokens）

AURAI_CONTEXT_WINDOW

200000

≥1

模型上下文窗口大小（tokens）。输入 + 输出的总上限

AURAI_MAX_MESSAGE_TOKENS

150000

≥1

单个文件超过此值会自动拆分成多段发送

AURAI_MAX_ITERATIONS

50

1–200

单个问题最多对话轮数。50 轮内解决 → 自动清空历史；超限 → 清空历史并返回 requires_human_intervention

上下文预算 & Token 监控:

环境变量

默认值

范围

说明

AURAI_CONTEXT_HIGH_WATERMARK

0.85

0.5–1.0

上下文高水位线。输入 tokens 超过此比例时返回预警并主动压缩历史

每次 consult_aurai / report_progress 响应中均包含 token_usage 字段，实时展示输入 tokens、使用率、是否触发预警。当超过高水位线时，会主动压缩历史为输出腾空间。本地 AI 可根据 warning=true 提示调用 sync_context(operation='clear') 清空历史。

上下文预算分配策略: 优先保证 AURAI_MAX_TOKENS 的输出预算。输入过大时裁剪历史消息，不压缩输出。仅当基础消息（系统提示词 + 当前问题）本身就超过窗口时才缩减输出。

对话历史

环境变量

默认值

范围

说明

AURAI_MAX_HISTORY

50

1–200

每个会话在本地最多保留多少条历史记录

AURAI_PROMPT_HISTORY_TURNS

10

1–50

每次发送给远程顾问时附带最近多少轮原始对话（摘要不受此限制）

AURAI_ENABLE_PERSISTENCE

true

bool

是否将历史保存到磁盘。关闭后重启 Claude Code 历史丢失

AURAI_HISTORY_PATH

~/.mcp-aurai/history.json

—

历史文件存储路径

AURAI_HISTORY_LOCK_TIMEOUT

10

1–120s

跨进程文件锁等待超时

AURAI_ENABLE_HISTORY_SUMMARY

true

bool

是否启用历史摘要。仅在接近 max_history（80%）时触发，保留 60% 原始记录

历史机制说明:

  • AURAI_MAX_HISTORY（50 条）是本地存储上限——现代 200K 上下文下纯对话远填不满，真正的瓶颈是 sync_context 上传的大文件

  • 摘要不再按固定条数触发，而是在接近 max_history 时（40/50 条）才启动

  • Token 水位线预警（AURAI_CONTEXT_HIGH_WATERMARK）是实时防线，在每次请求前检查

  • 不同 session_id 的历史互相隔离

进程管理

环境变量

默认值

范围

说明

AURAI_STDIO_IDLE_TIMEOUT_SECONDS

600

0–86400

空闲多久后自动退出。0 = 永不退出（推荐）

AURAI_STDIO_IDLE_CHECK_INTERVAL_SECONDS

30

1–3600

空闲检查间隔

推荐设置 AURAI_STDIO_IDLE_TIMEOUT_SECONDS=0，避免 Claude Code 还在运行但 MCP 因空闲被误杀。空闲退出前会检查父进程是否存活，但如果不在意残留进程，直接禁用最省心。

其他

环境变量

默认值

说明

AURAI_LOG_LEVEL

INFO

日志级别：DEBUG / INFO / WARNING / ERROR。调试时建议 DEBUG

使用指南

MCP 注册后，Claude Code 中自动出现 4 个工具：

典型调用流程

1. sync_context(operation='sync', files=['src/bug.py'], project_info={...})
   ↑ 让顾问看到你的代码

2. consult_aurai(problem_type='runtime_error', error_message='...')
   ↑ 提交问题，获取分析

3. 如返回 status='need_info' → 搜集顾问反问的信息 → 再次 consult_aurai(answers_to_questions='...')
   ↑ 多轮对齐

4. 如返回 status='success' → 按 action_items 执行修改

5. report_progress(actions_taken='改了X', result='success')
   ↑ 汇报进展，获取下一步指导

6. 重复 4-5，直到 resolved=true

工具速查

工具

用途

sync_context

上传文件和项目背景。operation='sync' 追加，'clear' 清空

consult_aurai

提交问题。支持多轮：收到反问→搜集信息→answers_to_questions 继续

report_progress

按顾问指导执行后汇报结果，获取下一步

get_status

查看会话状态（历史条数、模型、空闲时间）

会话隔离

不同任务传不同的 session_id，避免上下文串扰：

consult_aurai(session_id='bug-123', ...)   # 修 Bug A
consult_aurai(session_id='feature-456', ...) # 写功能 B

常见问题

上级顾问收不到我上传的代码？

检查 sync_context 返回的 uploaded_files 和 skipped_files。二进制文件（图片、压缩包）会被自动跳过。代码文件（.py/.js/.ts 等）会自动转换为文本发送。

不同问题互相干扰？

给不同问题传不同的 session_id。或设置 is_new_question=true 清空当前会话历史。

Claude Code 提示 MCP 连不上？

  • 检查 claude mcp list 确认状态

  • 查看 AURAI_STDIO_IDLE_TIMEOUT_SECONDS，推荐设为 0 禁用空闲退出

  • 查看日志：AURAI_LOG_LEVEL=DEBUG 可看到详细日志（输出到 stderr）

历史文件变得很大？

历史摘要在自动工作。旧记录被压缩为纪要而非删除，可设置 AURAI_ENABLE_HISTORY_SUMMARY=false 完全禁用摘要（不推荐）。

怎么切换模型？

claude mcp remove "aurai-advisor" -s user
claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="sk-..." \
  --env AURAI_BASE_URL="https://api.openai.com/v1" \
  --env AURAI_MODEL="新模型名称" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"
Install Server
F
license - not found
A
quality
C
maintenance

How are these scores calculated?

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Tools

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/LZMW/mcp-aurai-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server