Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@worker-mcp Refactor the main function in src/app.py to use async/await"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
一个 stdio MCP server，让 Claude Code（或任何 MCP 客户端）把编码任务委派给一个 worker CLI 执行。调用方（Claude）只做计划、监督和验收，worker 负责所有实际的 代码修改和命令执行。
server 通过子进程调用 <worker-cli> -p <prompt> --output-format stream-json（无头模式），
解析其 stream-json 输出，把 worker 的最终回复和 session_id 返回给调用方。
默认 worker 是 Kimi Code CLI（kimi），可通过环境变量 WORKER_CLI_BIN 换成任何
兼容同一 CLI 契约的执行器：支持 -p 无头执行、-S <id> / -c 会话续接，
并以 stream-json 逐行输出 role=assistant（回复）和 role=meta（session_id）事件。
注意：worker 无头模式会自动批准所有工具调用（等同于 yolo），
可以在指定 cwd 内自由读写文件、执行命令。请只把可信的项目目录传给 cwd。
Related MCP server: Cursor Delegate
server 在 MCP instructions 和工具描述中写明了分工，Claude Code 连接后会自动遵循：
Claude（监督/计划）：拆解目标、决定步骤顺序、为每步编写自包含任务书
（背景、涉及文件、改什么、验收标准——worker 看不到 Claude 的上下文）、
验收每步结果（读文件/diff、让 worker 跑测试）、失败时用 worker_continue 打回重修。
worker（执行）：在指定 cwd 内完成所有实际的代码修改和命令执行。
Claude 被引导不自己调用 Edit/Write 等工具改代码（软引导，非强制拦截）。
工具 | 说明 |
| 在 |
| 对既有会话追加指令；不传 |
项目内已用 uv 管理独立 Python 3.12（不依赖系统 Python）：
# 如需从零重建环境：
curl -LsSf https://astral.sh/uv/install.sh | env UV_INSTALL_DIR="$PWD/.tools" INSTALLER_NO_MODIFY_PATH=1 sh
UV_PYTHON_INSTALL_DIR="$PWD/.tools/python" .tools/uv venv --python 3.12 .venv
.tools/uv pip install --python .venv/bin/python "mcp>=1.0"claude mcp add worker -- /Users/quinlanhoo/Code/KIMI-MCP/KIMI-MCP/.venv/bin/python /Users/quinlanhoo/Code/KIMI-MCP/KIMI-MCP/server.py之后在 Claude Code 中即可通过 worker_run / worker_continue 工具把任务交给 worker。
环境变量 | 默认 | 说明 |
|
| worker CLI 路径（须兼容上述 CLI 契约） |
|
| 默认超时秒数（工具参数可单独覆盖） |
This server cannot be deployed
Source-checked CLI guides and model-aware planning for Claude Code, Codex, and Grok Build.
Use your Mac, Windows or Linux computer from ChatGPT, Claude or Codex: files, commands, documents.
Hand tasks, bugs and finished work to AI coding agents, and get back a write-up with evidence.
Operate Linux, macOS and Windows from your LLM. Every action runs through an auditable allowlist.
