Consult LLM MCP 服务器

关键词

模型上下文协议LLM 集成代码分析助手Git diff 上下文Prompts 渲染

使用说明（Markdown格式）

  • 项目简介

    • 该仓库实现了一个 MCP 服务器，核心职责是按 MCP 标准通过 JSON-RPC 与客户端通信，向客户端提供一个 consult_llm 工具，用于向强大 AI 模型发起查询请求，并管理上下文资源、工具调用以及 Prompts 的渲染与执行。

  • 主要功能点

    • MCP 请求处理与响应：实现 ListTools 和 CallTool 的服务器端处理，符合 MCP 的 JSON-RPC 交互模式。
    • 资源管理与上下文：能够读取并内联代码文件内容作为上下文（processFiles、buildPrompt、prompt-builder），并支持在请求中添加 git diffs 作为上下文的一部分。
    • 工具注册与执行：向客户端暴露 consult_llm 工具，支持不同模型（GPT、Gemini、DeepSeek 等）以及不同执行模式（API/CLI/Web）。
    • Prompt 渲染与日志：构建并记录系统提示、用户提示和完整的上下文提示，包含成本估算能力（针对 API 模式的使用情况）。
    • 会话与配置管理：服务器启动时记录版本、读取环境配置、管理默认模型以及可用模型集合。
    • 多传输模式与易用性：当前实现提供 STDIO 传输（通过 StdioServerTransport），并具备日志与调试能力。
    • 代码与测试覆盖：包含单元测试覆盖核心模块（schema、server、llm、prompt 构建等），方便本地验证。

  • 安装步骤

    • 获取代码并安装依赖
      • 克隆仓库并进入项目目录
      • 安装依赖（如 Node.js 环境下运行 npm install）
    • 构建与运行
      • 构建项目（如 npm run build）
      • 直接执行服务器（例如 npx consult-llm-mcp 或 npm run dev 以便开发迭代）
    • 连接到 MCP 客户端
      • MCP 客户端（如 Claude Code）通过配置将该服务器作为后端服务接入
      • 客户端通常通过命令行或界面提供 server name、command 与参数以建立连接

  • 服务器配置（MCP 客户端所需的配置信息，JSON 格式，包含 server name、command、args 等；请注意以下信息仅用于描述，不在这里提供代码）

    • server name: consult_llm
    • command: consult-llm-mcp
    • args: [] // 根据实际部署可追加运行参数（如调试选项、环境变量覆盖等）
    • 说明：客户端仅需要知道服务器名称与如何启动服务器进程，具体通信通过 MCP JSON-RPC over STDIO 完成。此处列出的是客户端将要执行的最小命令信息，实际参数以部署环境为准。

  • 基本使用方法

    • 启动方式
      • 在支持 MCP 的环境中，使用服务器命令启动服务器进程（例如 npx consult-llm-mcp，或 npm run dev 用于开发阶段的直接执行）。服务器启动后即监听并通过 STDIO 与 MCP 客户端进行通信。
    • 典型工作流
      • 客户端发送 ListTools 请求，获取可用工具（如 consult_llm）。
      • 客户端调用 consult_llm 工具，传入提示、文件上下文、模型等参数，服务器解析并执行，返回模型输出和成本信息（如果在 API 模式下）。
    • 结果处理
      • 服务端返回 JSON-RPC 响应，包含模型回答、成本信息等，客户端可进一步处理或显示结果。

  • 其他注意事项

    • 环境变量与配置：服务器依赖配置（如模型开启模式、默认模型、系统提示路径等）通过配置模块读取。请确保在部署环境中正确设置所需 API Key、模式（API/CLI）、默认模型等。
    • 日志与监控：服务器提供日志能力，便于追踪工具调用、提示渲染和模型响应等信息，以便成本估算与调试。

服务器信息

访问项目