MCP Toolz

Name: MCP Tools
Author: taylorleese

mcp-name: io.github.taylorleese/mcp-toolz

GitHub issues GitHub last commit codecov PyPI version Python MCP License: MIT

pre-commit OpenSSF Best Practices OpenSSF Scorecard Dependabot

MCP-Server für Claude Code, der Tools für Multi-LLM-Feedback und die Erfassung von Bildern aus der Zwischenablage bereitstellt.

Funktionen

Multi-LLM-Feedback: Holen Sie sich Zweitmeinungen von ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) und DeepSeek
Erfassung von Bildern aus der Zwischenablage: Fügen Sie Bilder aus Ihrer macOS-Zwischenablage direkt in Claude Code zur Analyse ein
MCP-Integration: Funktioniert mit Claude Code über das Model Context Protocol

Schnellstart

Installation

Von PyPI (Empfohlen)

pip install mcp-toolz

Aus dem Quellcode (Entwicklung)

# Clone the repository
git clone https://github.com/taylorleese/mcp-toolz.git
cd mcp-toolz

# Create and activate virtual environment
python3 -m venv venv
source venv/bin/activate  # macOS/Linux
# or: venv\Scripts\activate  # Windows

# Install in editable mode with dev dependencies
pip install -e ".[dev]"

Konfiguration

# Set your API keys as environment variables (at least one required for AI feedback tools)
export OPENAI_API_KEY=sk-...           # For ChatGPT
export ANTHROPIC_API_KEY=sk-ant-...    # For Claude
export GOOGLE_API_KEY=...              # For Gemini
export DEEPSEEK_API_KEY=sk-...         # For DeepSeek

# Or create a .env file (if installing from source)
cp .env.example .env
# Edit .env and add your API keys

Einrichtung des MCP-Servers

Fügen Sie dies zu Ihren Claude Code MCP-Einstellungen hinzu:

Bei Installation via pip:

{
  "mcpServers": {
    "mcp-toolz": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "env": {
        "OPENAI_API_KEY": "sk-...",
        "ANTHROPIC_API_KEY": "sk-ant-...",
        "GOOGLE_API_KEY": "...",
        "DEEPSEEK_API_KEY": "sk-..."
      }
    }
  }
}

Bei Installation aus dem Quellcode:

{
  "mcpServers": {
    "mcp-toolz": {
      "command": "python",
      "args": ["-m", "mcp_server"],
      "cwd": "/absolute/path/to/mcp-toolz",
      "env": {
        "PYTHONPATH": "/absolute/path/to/mcp-toolz/src"
      }
    }
  }
}

Starten Sie Claude Code neu, um den MCP-Server zu laden.

MCP-Server-Tools

KI-Feedback-Tools

Holen Sie sich Zweitmeinungen von mehreren LLMs zu Code, Architektur-Entscheidungen und Implementierungsplänen:

ask_chatgpt - Analysen von ChatGPT erhalten (unterstützt benutzerdefinierte Fragen)
ask_claude - Analysen von Claude erhalten (unterstützt benutzerdefinierte Fragen)
ask_gemini - Analysen von Gemini erhalten (unterstützt benutzerdefinierte Fragen)
ask_deepseek - Analysen von DeepSeek erhalten (unterstützt benutzerdefinierte Fragen)

Tool für Bilder aus der Zwischenablage

paste_image - Erfassen Sie ein Bild aus der macOS-Zwischenablage zur Analyse (unterstützt optionale Fragen)

Claude Code Skills

`/resolve-github-alerts`

Triage und Behebung von GitHub-Sicherheitswarnungen (Dependabot, Code-Scanning, Secret-Scanning) erfolgt automatisch. Führen Sie dies in Claude Code aus, um:

Fehlgeschlagene Dependabot-PRs zu reparieren (Lint-/Test-Probleme)
Anfällige Abhängigkeiten zu aktualisieren und Anforderungen neu zu kompilieren
Code-Scanning- und Secret-Scanning-Warnungen zu beheben
Einen einzelnen PR mit allen Korrekturen zur manuellen Überprüfung einzureichen

/resolve-github-alerts

Anwendungsbeispiele

Mehrere KI-Perspektiven einholen

I'm deciding between Redis and Memcached for caching user sessions.
Ask ChatGPT for their analysis.

Fahren Sie fort mit:

"Ask Claude the same question for comparison"
"Ask Gemini for another perspective"
"What does DeepSeek think about this?"

Ein Bild aus der Zwischenablage analysieren

Kopieren Sie ein Bild in Ihre Zwischenablage (Screenshot, Diagramm, Fehlermeldung usw.) und dann:

Analyze my clipboard image

Oder mit einer spezifischen Frage:

What's wrong with the UI layout in my clipboard image?

Debugging mit mehreren Perspektiven

I'm getting "TypeError: Cannot read property 'map' of undefined" in my React component.
The error occurs in UserList.jsx when rendering the users array.
Ask ChatGPT and Claude for debugging suggestions.

Umgebungsvariablen

# Required (at least one for AI feedback tools)
OPENAI_API_KEY=sk-...                              # Your OpenAI API key
ANTHROPIC_API_KEY=sk-ant-...                       # Your Anthropic API key
GOOGLE_API_KEY=...                                 # Your Google API key (for Gemini)
DEEPSEEK_API_KEY=sk-...                            # Your DeepSeek API key

# Optional
MCP_TOOLZ_MODEL=gpt-5                                         # OpenAI model (default: gpt-5)
MCP_TOOLZ_CLAUDE_MODEL=claude-sonnet-4-5-20250929             # Claude model
MCP_TOOLZ_GEMINI_MODEL=gemini-2.0-flash-thinking-exp-01-21   # Gemini model
MCP_TOOLZ_DEEPSEEK_MODEL=deepseek-chat                        # DeepSeek model

Fehlerbehebung

"Error 401: Invalid API key"

Überprüfen Sie, ob die API-Schlüssel in .env oder den Umgebungsvariablen gesetzt sind
Stellen Sie sicher, dass die Abrechnung in Ihrem API-Anbieter-Konto aktiviert ist

"No module named context_manager"

Verwenden Sie PYTHONPATH=src vor dem direkten Ausführen von Python
Oder installieren Sie es via pip: pip install mcp-toolz

"No image found in clipboard"

Kopieren Sie zuerst ein Bild (Screenshot, Rechtsklick > Bild kopieren, etc.)
Das paste_image-Tool erfordert macOS (verwendet AppleScript zum Auslesen der Zwischenablage)

Projektstruktur

mcp-toolz/
├── src/
│   ├── mcp_server/              # MCP server for Claude Code
│   │   └── server.py            # MCP tools and handlers
│   └── context_manager/         # Client implementations
│       ├── openai_client.py     # ChatGPT API client
│       ├── anthropic_client.py  # Claude API client
│       ├── gemini_client.py     # Gemini API client
│       ├── deepseek_client.py   # DeepSeek API client
│       └── clipboard.py         # macOS clipboard image capture
├── tests/                       # pytest tests
├── requirements.in
└── requirements.txt

Entwicklung

Einrichtung für Mitwirkende

# Clone and install
git clone https://github.com/taylorleese/mcp-toolz.git
cd mcp-toolz
python3 -m venv venv
source venv/bin/activate
pip install -r requirements-dev.txt

# Install pre-commit hooks (IMPORTANT!)
pre-commit install

# Copy and configure .env
cp .env.example .env
# Edit .env with your API keys

Tests ausführen

source venv/bin/activate
pytest

Code-Qualität

pre-commit Code style: black Ruff mypy isort security: bandit

# Run all checks (runs automatically on commit after pre-commit install)
pre-commit run --all-files

# Individual tools
black .
ruff check .
mypy src/

Lizenz

MIT

MCP Tools