Zen MCP

Zen MCP

Zen MCP 是一个开源的模型上下文协议服务器，它通过协调多个大型语言模型（例如 Claude、Gemini、O3、Ollama 等）之间的合作，推动 AI 驱动的开发。使用 Zen MCP，您可以无缝地将不同的 AI 模型集成到您的工作流程中，进行代码分析、问题解决、调试和协同开发，最大化每个模型的优势—all在一个对话线程中。

Author: BeehiveInnovations


查看协议

什么是 Zen MCP？

Zen MCP 是一个强大的开发工具，通过模型上下文协议充当“AI 协同服务器”。它允许主 AI（通常是 Claude）协调、辩论并利用不同 LLM 的独特能力，例如 Gemini Pro 和 O3，来处理特定的软件工程任务。Zen MCP 为开发人员提供了一种获取多样化 AI 视角的方法，自动选择模型，并建立高级的多模型工作流程，深度保留上下文，让您的 AI 助手更像一个由多名资深人员组成的开发团队。

如何配置 Zen MCP

  1. 前提条件：

    • 安装 Docker Desktop 和 Git。
    • （适用于 Windows 用户）为 Claude Code CLI 启用 WSL2。

  2. 获取 API 密钥：

    • OpenRouter： 注册以获取一个密钥，通过一个 API 访问多个模型（OpenRouter）。
    • Google Gemini： 从 Google AI Studio 获取您的 API 密钥。
    • OpenAI： 从 OpenAI Platform 获取 API 密钥。
    • 本地模型： 为 Ollama、vLLM、LM Studio 等设置自定义端点。

  3. 克隆并设置 Zen MCP：

    git clone https://github.com/BeehiveInnovations/zen-mcp-server.git
cd zen-mcp-server
./setup-docker.sh

    此脚本构建 Docker 镜像，创建 .env 配置，并使用 Redis 启动 Zen MCP 服务器。

  4. 添加 API 密钥：

    • 编辑您的 .env 文件，以包含所需的 API 密钥或自定义模型端点。

  5. 将 Zen MCP 添加到 Claude：

    • 对于 Claude Code CLI： 
      claude mcp add zen -s user -- docker exec -i zen-mcp-server python server.py
    • 对于 Claude Desktop：
      • 更新 claude_desktop_config.json 以包含 MCP 服务器配置（从设置中复制说明）。

  6. 根据需要重启 你的 Claude 环境。

如何使用 Zen MCP

  1. 自然地与 Claude 互动，指定 "zen" 作为您的上下文提供者。

    • 示例："使用 zen 对这个函数进行代码审查。"

  2. Zen MCP 自动将任务路由到最合适的模型/工具。

    • 您可以指示 Zen 使用特定模型（例如 Gemini Pro、O3、Flash 或 Ollama），或者让其自动选择。

  3. 利用协作多模型对话。

    • 任务可以拆分：一个模型分析，另一个审查，第三个提出修复，所有这些都在同一个对话线程中。
    • 之前的上下文和发现会在步骤和模型之间保留。

  4. 在命令中使用特定的 Zen MCP 工具：

    • 请求代码审查、深度分析、调试、预提交检查等。

  5. 如有需要，可以覆盖模型/工具选择：

    • 添加说明，如 "使用 o3 进行逻辑调试" 或 "使用 flash 进行快速检查"。

  6. 探索高级用法：

    • 结合工具、使用网络搜索增强，或使用跨工具延续进行异步协作。

主要特点

  • 多模型协调： 在统一工作流程中协调 Claude、Gemini、O3 和本地模型的优势。
  • 自动模型选择： Claude 智能选择每个子任务的最佳模型，您也可以指定。
  • 无缝上下文保留： 单线程对话保持跨工具和模型切换的一致上下文。
  • 预构建开发工具： 包括协作聊天、代码审查、预提交验证、调试等。
  • AI 到 AI 的对话线程： 模型可以辩论、挑战并互相请求信息，提供多角度的解决方案。
  • 支持本地模型： 通过 Ollama 或 vLLM 等轻松接入自托管模型，确保隐私和成本效率。
  • 处理大上下文窗口： 将大代码库的分析交给具有大令牌限制的模型（例如，Gemini 1M、O3 200K）。
  • 智能文件和仓库管理： 自动发现文件/仓库，扩展目录，并智能管理令牌限制。
  • 增量知识共享： 每次交换仅发送更改/新信息，使 25K+ 令牌工作流程有效。
  • 网络搜索增强： 某些工具可以根据需要建议并整合网络搜索结果。
  • 即插即用集成： 一条命令 Docker 设置和快速连接到 Claude 环境（CLI 或桌面）。

用例

  • 利用 Gemini 和 Claude 的不同优势，进行快速和深度的代码审查
  • 大脑风暴复杂的架构或技术决策——在模型之间辩论以找到最佳解决方案
  • 调试难以捉摸的逻辑错误——让 O3 分析逻辑，让 Gemini 关注架构
  • 在合并之前验证 git 提交——使用多模型观点进行预提交检查
  • 对超出 Claude 本地令牌窗口的大型代码库进行探索性代码分析
  • 使用本地（隐私优先）Llama 模型进行代码分析，然后在需要时升级到在线模型进行更深入的推理
  • 在模型之间保持持久的、异步的对话线程，以进行扩展问题解决
  • 在不同分析工具之间快速切换（例如，从“分析”到“代码审查”再到“调试”）而无需重置上下文

常见问题

问：使用 Zen MCP 需要所有 API 密钥（Gemini、OpenAI、OpenRouter）吗？
答：不。您可以仅使用一个提供者开始。但是，为了实现全面的多模型协调，添加更多密钥可以为您提供更多视角和模型优势的灵活性。

问：Zen MCP 会与任何外部服务共享我的文件或上下文吗？
答：Zen MCP 仅向您配置的 API/模型发送数据。为了最大化隐私，您可以使用本地模型（例如，通过 Ollama）确保数据永远不离开您的机器。

问：对话线程如何工作？我的历史记录会保存吗？
答：Zen MCP 使用 Redis 进行持久的“对话线程”。在一个会话中，AI 模型保留上下文，并可以交换多达 5 条消息或 1 小时的更新。默认情况下，没有长期存储。

问：我可以使用 Zen MCP 进行非编码任务吗？
答：虽然针对代码和开发工作流程进行了优化，Zen MCP 可以配置为使用支持的模型和工具进行更广泛的分析或推理任务。

问：如果两个 API 端点重叠（例如，模型名称相同）会发生什么？
答：当出现名称冲突时，原生 API 优先（例如，通过 Gemini API 的 “gemini” 与 OpenRouter）。您可以通过在 custom_models.json 中设置唯一的模型别名来解决此问题。