multi-llm-mcp

一个用于 Claude Code 的 MCP 工具，支持通过 MCP 调用 Codex CLI 执行任务，并支持多个模型（GPT、Kimi、DeepSeek、Qwen 等）并行调用。

本项目基于 FastMCP 开发，主要解决两个问题：

1. 让 Claude Code 可以把任务交给 Codex CLI 执行，例如查看代码、修改文件、重构项目等。
2. 让 Claude Code 可以同时调用多个大模型，从不同模型获得回答，便于对比、补充和交叉参考。

功能特点

1. Codex CLI 异步任务执行：通过 MCP 工具调用 Codex CLI，并使用 job_id + wait_codex 的方式等待长任务完成，避免 MCP 客户端单次工具调用超时。
2. 支持 Codex 沙盒模式：read-only、workspace-write、danger-full-access 三种级别。
3. 单模型会话调用：调用指定模型，并通过 session_id 保持多轮上下文。
4. 多模型并行调用：把同一个问题同时发送给多个模型（GPT、Kimi、DeepSeek、Qwen、Claude）。
5. 长任务轮询机制：对耗时较长的 Codex 任务或多模型调用，先返回 job_id，后续继续通过 wait_* 工具等待结果。
6. 环境检查工具：health_check 用于检查运行环境、Codex CLI 是否可用、各模型 API Key 是否配置等（不返回任何 key 内容）。

工具列表

工具名	作用
ask	调用单个模型，支持多轮会话
ask_many	同时调用多个模型
wait_many	继续等待多模型并行调用任务
review	让多个模型同时分析同一段内容
ask_codex	调用 Codex CLI 执行任务
wait_codex	继续等待 Codex CLI 任务
clear_session	清除指定会话
clear_all_sessions	清除全部会话
list_sessions	查看当前内存中的会话
health_check	检查 MCP 服务运行状态

环境要求

1. Python 3.10+
2. FastMCP
3. OpenAI Python SDK
4. 可选：OpenAI Codex CLI

安装依赖：

pip install fastmcp openai

如果需要使用 ask_codex，还需确保本机已安装 Codex CLI，并能在命令行直接运行：

codex

另外，在用 ask_codex 调度 Codex 之前，确保 Codex CLI 已经登录过账号（首次使用前先在命令行运行 codex 完成登录），否则任务会因为未认证而失败。

模型配置

项目中通过 PROVIDERS 配置不同模型服务，例如 DeepSeek、Kimi、Qwen、GPT 等。推荐使用环境变量保存模型密钥：

模型	环境变量
DeepSeek	DEEPSEEK_API_KEY
Kimi（Moonshot）	MOONSHOT_API_KEY
Qwen（DashScope）	DASHSCOPE_API_KEY
GPT（OpenAI）	OPENAI_API_KEY
Claude（Anthropic，可选）	ANTHROPIC_API_KEY

在 Windows 上可以用 setx 把这些设为用户级环境变量（设完需重开终端 / 重启 Claude Code 才生效），按你要用的模型设即可：

setx OPENAI_API_KEY "your-key"
setx DEEPSEEK_API_KEY "your-key"

（MOONSHOT_API_KEY / DASHSCOPE_API_KEY / ANTHROPIC_API_KEY 同理。）

如果只是自己本地快速验证，也可以临时把 key 写到代码里的 PROVIDERS 中，方便测试。但不要把包含 key 的代码上传到 GitHub，也不要发给别人。准备开源或分享前，应改成环境变量方式，或确认代码中已经没有真实 key。

启用 Claude（可选）

代码里 PROVIDERS 的 claude 块默认是注释状态。要启用 Claude：

1. 取消注释 PROVIDERS 中的 claude 块；
2. 把 "claude" 加进 ModelName；
3. 配置 ANTHROPIC_API_KEY。

它走的是 Anthropic 的 OpenAI 兼容端点（base_url="https://api.anthropic.com/v1/"），模型名填 Claude 的名称即可（如 claude-opus-4-7、claude-sonnet-4-6、claude-haiku-4-5）。

小技巧：服务本身跑在 Claude Code 里，所以你可以反过来调度别的 Claude——比如用更便宜的 Haiku 去跑并行的苦力活，或者要一个干净上下文、不被当前对话带偏的 Claude 来做二次判断。

MCP 配置示例（Claude Code）

在 Claude Code 中，推荐直接用 claude mcp add 命令添加本项目。基本格式：

claude mcp add --scope user llm-mix -- python /absolute/path/to/LLM_MIX.py

其中：

1. llm-mix 是这个 MCP 服务的名字，可以自己改。
2. --scope user 表示该 MCP 对当前用户全局可用，不只限于某一个项目。
3. python 是 Python 启动命令。
4. /absolute/path/to/LLM_MIX.py 替换成你本地 LLM_MIX.py 的绝对路径。

Windows 示例：

claude mcp add --scope user llm-mix -- python "C:\path\to\LLM_MIX.py"

如果上面那条添加后用不了（通常是 python 不在 PATH 上，或指向了别的 Python 环境），改用下面这条、写上 Python 解释器的完整路径：

claude mcp add --scope user llm-mix -- "C:\path\to\python.exe" "C:\path\to\LLM_MIX.py"

添加完成后，可以用下面的命令查看是否添加成功：

claude mcp list

进入 Claude Code 后，也可以输入 /mcp 查看 MCP 服务是否已连接。

使用示例

连接 MCP 后，可以直接让 Claude Code 使用这些能力：

用 Codex 查看当前项目结构。

让 Codex 在当前目录创建一个测试文件。

让 Codex 修改这个 Python 文件，修复明显的异常处理问题。

把这个问题同时发给 GPT、Kimi、DeepSeek 和 Qwen。

让多个模型一起分析这个方案有没有明显问题。

让 DeepSeek 单独解释这段代码。

如果任务较长，工具可能会返回：

{
  "success": true,
  "status": "running",
  "job_id": "xxxx",
  "message": "任务仍在运行，使用 wait_codex 继续等待"
}

这时继续调用对应的 wait_codex 或 wait_many 即可。

Codex 沙盒使用建议

1. 一般查看代码、分析项目时，优先使用 read-only。
2. 需要 Codex 修改文件时，使用 workspace-write。
3. 不建议随意使用 danger-full-access，因为这个模式会给 Codex 更高的本机权限。

注意事项

1. ask_codex 依赖本机 Codex CLI。
2. 多模型调用是否可用，取决于你是否配置了对应模型服务（可用 health_check 查看）。
3. 长任务建议使用 job_id + wait_* 的方式继续等待。
4. 个人本地调试可以图方便，但公开仓库前要检查是否包含真实密钥、私人路径或其他敏感信息。

社区 / 致谢

本项目在 LINUX DO 社区分享与讨论，感谢社区佬

... View full README on GitHub