禅定-MCP-服务器
项目介绍
Zen MCP: 多工作流。统一上下文。
<div align="center"> <b>🤖 <a href="https://www.anthropic.com/claude-code">Claude</a> 或 <a href="https://github.com/google-gemini/gemini-cli">Gemini CLI</a> + [Gemini / OpenAI / Grok / OpenRouter / DIAL / Ollama / 任意模型] = 您终极的人工智能开发团队</b> </div> <br/>您最喜欢的编码代理（Claude 或 Gemini CLI）的最佳开发伙伴——一个模型上下文协议服务器，提供多种人工智能模型访问，以增强代码分析、问题解决和协作开发。
特征：真正的AI编排，对话在多个工作流程中继续进行 - 给Claude一个复杂的工作流程，让它自动在模型之间协调。Claude保持控制，执行实际工作，但会从每个子任务的最佳AI获取视角。通过诸如planner来分解复杂项目，analyze来理解代码库，codereview来进行审计，refactor来改进代码结构，debug来解决复杂问题，以及precommit来验证更改，Claude可以在对话中途切换不同的工具和模型，并无缝地传递上下文。
示例工作流程 - Claude代码：
使用gemini pro和o3进行代码审查，并使用planner生成详细的计划，实施修复并在之前的代码审查基础上进行最终的预提交检查。- 这触发了一个
codereview工作流程，Claude会浏览代码，寻找各种问题。 - 经过多次遍历后，收集相关代码并记录问题。
- 维持一个介于
探索、低、中、高和确定之间的信心级别，以跟踪它能够找到和识别问题的信心程度。 - 生成一个从关键到低的问题详细列表。
- 将相关文件、发现等内容与Gemini Pro共享，以进行深入的第二次代码审查。
- 回复后，再对o3进行同样的操作，如果发现新的内容，则添加到提示中。
- 完成后，Claude会整合所有反馈，生成一个包含所有关键到低问题的单一列表，包括代码中的良好模式。最终列表包括新发现或修订，以防Claude误解或错过了一些关键内容，而其他模型指出了这一点。
- 如果需要重大重构，它将使用
planner工作流程将工作分解为更简单的步骤。 - 然后，Claude执行实际的工作，修复突出显示的问题。
- 完成后，Claude返回Gemini Pro进行
precommit审查。
所有这些都在一个对话线程中完成！第11步中的Gemini Pro知道第7步中O3推荐的内容！考虑这个上下文和审查，有助于其最终的预提交审查。
可以将其视为Claude代码为了Claude代码。这个MCP并不是魔法。它只是强力胶。
记住：Claude完全控制——但您才是决策者。 Zen设计为仅在需要时让Claude与其他模型互动——并且要进行有意义的来回交流。 您是那个创建强大提示的人，使Claude引入Gemini、Flash、O3——或者独自飞行。 您是引导者。提示者。木偶师。
您是真正智能的AI。
因为这些AI模型显然在聊天时并不智能→
快速导航
-
开始使用
-
工具参考
-
高级用法
-
设置和支持
为什么选择此服务器？
Claude非常出色，但有时您需要：
- 指导性工作流程 - 开发人员为中心的过程，确保系统调查，防止仓促分析，确保Claude在每个阶段彻底检查代码（例如，
debug，precommit，refactor，analyze，[codereview](#5-codereview---专业代码审查）。 - 多个AI视角 - 让Claude在不同模型之间协调，以获得最佳分析。
- 自动模型选择 - Claude为每个任务选择正确的模型（或您可以指定）。
- 资深开发伙伴 - 验证和扩展想法（例如，[
chat](#1-chat---通用开发聊天--协作思考））。 - 复杂架构决策的第二意见 - 通过Gemini Pro、O3或通过自定义端点的数十种其他模型增强Claude的思考（例如，[
thinkdeep](#2-thinkdeep---扩展推理伙伴））。 - 获得多个专家意见 - 让不同的AI模型辩论您的想法（一些支持，一些批评），以帮助您做出更好的决策（例如，[
consensus](#3-consensus---多模型视角收集））。 - 专业代码审查 - 提供整个存储库的操作反馈（例如，[
codereview](#4-codereview---专业代码审查））。 - 预提交验证 - 使用最适合该工作的模型进行深度分析（例如，[
precommit](#5-precommit---预提交验证））。 - 专家调试 - O3用于逻辑问题，Gemini用于架构问题（例如，[
debug](#6-debug---专家调试助手））。 - 超出Claude限制的扩展上下文窗口 - 将分析委托给Gemini（1M令牌）或O3（200K令牌），以处理整个代码库、大型数据集或全面文档。
- 模型特定优势 - 使用Gemini Pro进行扩展思考，使用Flash进行快速迭代，使用O3进行强推理，使用Ollama进行本地隐私。
- 本地模型支持 - 通过Ollama、vLLM或LM Studio运行如Llama 3.2等模型，以控制隐私和成本。
- 动态协作 - 模型可以在分析过程中请求额外的上下文和后续回复。
- 智能文件处理 - 自动展开目录，根据模型容量管理令牌限制。
- 视觉支持 - 使用具有视觉能力的模型分析图像、图表、截图和视觉内容。
- 绕过MCP的令牌限制 - 自动绕过MCP的25K限制。
- 跨会话恢复上下文 - 即使在Claude的上下文重置后，也可以继续对话，其他模型维持完整历史。
专业提示：上下文恢复
这是一个极其强大的功能，无法强调其重要性：
这个_对话延续_系统的最令人惊叹的副作用是，即使在Claude的上下文重置或压缩之后，由于延续信息保存在MCP的记忆中，您可以要求它继续与
o3讨论计划，这将突然恢复Claude，因为O3会知道讨论的内容，并以一种重新点燃Claude理解的方式传达回来。这一切都不浪费上下文询问Claude去摄入冗长的文档/代码，然后再次提示它与另一个模型沟通。Zen内部管理这一点。模型的响应以比自动摘要更好的方式恢复Claude对讨论的理解。
此服务器协调多个AI模型作为您的开发团队，Claude自动选择每个任务的最佳模型，或允许您选择具有不同优势的具体模型。
<div align="center"> <img src="https://github.com/user-attachments/assets/0f3c8e2d-a236-4068-a80e-46f37b0c9d35" width="600"> </div>使用的提示：
仔细研究代码，深入思考它的作用，然后看看是否有性能优化的空间。
与Gemini一起头脑风暴，获取反馈，然后通过首先添加带有`measure`的单元测试来确认任何更改，
测量当前代码，然后实现优化并再次测量以确保它有所改善，然后分享结果。
在进行调整时，请随时与Gemini进行检查。
最终实现的结果是在选定库的JSON解析性能上提高了26%，通过有针对性的协作优化，由Gemini的分析和Claude的细化指导。
快速入门（5分钟）
先决条件
- Python 3.10+（建议使用3.12）
- Git
- Windows用户：Claude Code CLI需要WSL2
1. 获取API密钥（至少需要一个）
选项A：OpenRouter（通过一个API访问多个模型）
- OpenRouter：访问OpenRouter以通过一个API访问多个模型。设置指南
- 直接在您的OpenRouter仪表板中控制模型访问和支出限额
- 在
conf/custom_models.json中配置模型别名
选项B：原生API
- Gemini：访问Google AI Studio并生成API密钥。对于Gemini 2.5 Pro的最佳效果，使用付费API密钥，因为免费层级对最新模型的访问有限。
- OpenAI：访问OpenAI平台以获取O3模型访问的API密钥。
- X.AI：访问X.AI控制台以获取GROK模型访问的API密钥。
- DIAL：访问DIAL平台以获取API密钥，通过其统一API访问多个模型。DIAL是一个开源AI编排平台，提供供应商无关的访问权限，来自主要提供商、开源社区和自托管部署的模型。API文档
选项C：自定义API端点（本地模型如Ollama、vLLM） 请参阅设置指南。使用自定义API，您可以使用：
- Ollama：免费运行如Llama 3.2等模型
- vLLM：自托管推理服务器，适用于高吞吐量推理
- LM Studio：本地模型托管，兼容OpenAI API接口
- Text Generation WebUI：运行模型的流行本地界面
- 任何兼容OpenAI的API：自定义端点用于您自己的基础设施
注意：如果存在重叠，使用多个提供商选项可能会导致哪个提供商/模型的使用产生歧义。 如果所有API都已配置，在模型名称冲突时，如
gemini和o3，原生API将优先。 在conf/custom_models.json中配置您的模型别名，并赋予它们独特的名称。
2. 选择安装方法
选项A：使用uvx快速安装
先决条件：首先安装uv（uvx所需）
<details> <summary>Claude桌面配置</summary>在您的claude_desktop_config.json中添加以下内容：
{
"mcpServers": {
"zen": {
"command": "sh",
"args": [
"-c",
"exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
],
"env": {
"PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
"OPENAI_API_KEY": "your_api_key_here"
}
}
}
}
在项目根目录下创建一个.mcp.json文件，用于项目范围配置：
{
"mcpServers": {
"zen": {
"command": "sh",
"args": [
"-c",
"exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
],
"env": {
"PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
你的API密钥
}
}
}
}
编辑~/.gemini/settings.json并添加：
{
"mcpServers": {
"zen": {
"command": "sh",
"args": [
"-c",
"exec $(which uvx || echo uvx) --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server"
],
"env": {
"PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
你的API密钥
}
}
}
}
注意：虽然Zen MCP Server成功连接到Gemini CLI，但工具调用尚未正常工作。请参阅Gemini CLI设置以获取更新。
</details>这做了什么：
- 无需设置 - uvx自动处理一切
- 始终是最新的 - 每次运行时拉取最新版本
- 无需本地依赖项 - 不需要Python环境设置即可运行
- 立即可用 - 立即可用
选项B：传统克隆和设置
# 克隆到您喜欢的位置
git clone https://github.com/BeehiveInnovations/zen-mcp-server.git
cd zen-mcp-server
# 一键设置安装Zen到Claude
./run-server.sh
# 或对于使用PowerShell的Windows用户：
./run-server.ps1
# 查看Claude的MCP配置
./run-server.sh -c
# PowerShell：
./run-server.ps1 -Config
# 查看帮助
./run-server.sh --help
# PowerShell：
./run-server.ps1 -Help
这做了什么：
- 自动设置一切 - Python环境、依赖项、配置
- 配置Claude集成 - 添加到Claude Code CLI并引导桌面设置
- 立即可用 - 无需手动配置
- 也适用于Gemini CLI - 请参阅Gemini CLI设置以获取配置
更新后：每次git pull后，请再次运行./run-server.sh以确保一切保持最新。
Windows用户：使用WSL？请参阅WSL设置指南以获取详细说明。
3. 添加您的API密钥
# 编辑.env以添加您的API密钥（如果环境变量中未设置）
nano .env
# 文件应至少包含一个：
# GEMINI_API_KEY=your-gemini-api-key-here # 对于Gemini模型
# OPENAI_API_KEY=your-openai-api-key-here # 对于O3模型
# OPENROUTER_API_KEY=your-openrouter-key # 对于OpenRouter（请参阅docs/custom_models.md