使用说明（Markdown 格式）

• 项目简介

  • 该项目实现一个 MCP 服务器，作为后端服务提供可标准化的资源访问、工具注册与执行，以及提示模板渲染，供 LLM 客户端通过 MCP 协议进行交互。

• 主要功能点

  • 资源与数据访问：托管和管理资源、代码片段、文档等上下文信息，供模型读取和分析。
  • 工具注册与执行：定义并暴露多模型分析工具（如 codereview、chat、compare、debate、models），支持并行执行和跨模型对比。
  • 提示模板和上下文渲染：提供可定制的 Prompt 模板，支持将代码、文件、上下文信息嵌入 LLM 的输入。
  • 会话与模型编排：支持多模型并行/对话式协作、跨轮次的上下文传递与共识机制。
  • JSON-RPC 与多传输协议：服务器通过 JSON-RPC 与客户端通信，并可通过标准输入输出、SSE、WebSocket 等传输方式接收/发送请求。
  • 安全与扩展性：会话管理、能力声明，以及对 API 密钥、CLI 工具等外部依赖的安全管理。

• 安装步骤（从源码安装为主） -Clone 与安装依赖：

  • 克隆仓库并进入项目目录
  • 运行安装脚本或 make install 以安装依赖、生成环境配置文件，并进行基本自检
  • 环境变量与密钥
    • 使用 OpenAI/Anthropic/ Gemini 等提供商的 API Key，放入环境变量或 .env 文件中
  • 启动与测试
    • 使用 uvicorn 等工具启动服务，或通过提供的启动命令直接运行 server 模块
    • 运行测试用例以验证关键路径（资源访问、工具调用、Prompts 渲染、并行执行等）

• 服务器配置（MCP 客户端需要的最小配置信息示意）

  • server_name: multi_mcp
  • command: 路径到虚拟环境中的 Python 解释器，例如 /path/to/multi_mcp/.venv/bin/python
  • args: ["-m", "multi_mcp.server"] 注释说明：
  • server_name 表示 MCP 服务器的名称，客户端据此定位服务。
  • command 指向用于启动服务器的 Python 解释器所在路径，通常在虚拟环境中。
  • args 指定入口模块为 multi_mcp.server，使 MCP 客户端能够通过 JSON-RPC 与服务器交互。
  • 该配置仅用于示例，具体路径需结合你本地环境实际路径填写。

• 基本使用方法

  • 连接与调用：客户端通过 JSON-RPC 请求 MCP 服务器，进行资源读取、工具调用和提示获取等操作。
  • 资源与工具组合：在同一工作流中，可以并行调用多个工具，获取来自不同模型的分析结果。
  • 会话与安全：服务器端维护会话上下文、能力声明，确保跨请求的上下文一致性与安全性。