MCP 服务器

DeepMyst MCP Server

一个 MCP 服务器，允许您与 DeepMyst 进行对话，并使用我们的网关、路由器和 Token 优化在 LLM 之间进行协作。

DeepMyst

开发者工具

访问服务器

README

DeepMyst MCP 服务器

为 Claude Desktop 提供的智能 LLM 优化和路由

DeepMyst MCP

概述

DeepMyst MCP 服务器通过模型上下文协议 (MCP) 在 DeepMyst 和 Claude Desktop 或任何客户端之间建立无缝桥梁。这种集成使 Claude 和其他客户端能够利用 DeepMyst 强大的优化和路由功能，同时保持您熟悉的工作流程。

主要特性

Token 优化 - 在保持响应质量的同时，最多可减少 75% 的 token 使用量，直接降低您的 API 成本
智能模型路由 - 根据任务要求自动选择每个特定查询的最佳 LLM
组合功能 - 同时使用优化和路由以获得最大效率

工作原理

Token 优化: DeepMyst 识别提示中的冗余，智能压缩内容，保留关键信息，并保持上下文含义——所有这些都在显着减少 token 使用量而不牺牲质量的情况下完成。
智能路由: 系统分析每个查询的类别、复杂程度和所需功能。它通过加权评分系统，根据性能基准、token 成本、响应延迟和功能支持来评估可用模型。

安装

前提条件

Python 3.8 或更高版本
UV - 快速 Python 包安装程序
Claude Desktop - 最新版本（或其他 MCP 客户端）
DeepMyst API 密钥（从 platform.deepmyst.com 获取）

安装步骤

克隆或下载 DeepMyst MCP 服务器代码：

# 为服务器创建一个目录
mkdir DeepMyst-MCP
cd DeepMyst-MCP

# 下载服务器代码
# (或者从提供的 deepmyst_mcp.py 文件中复制代码)

使用 UV 安装依赖项：

# 创建并激活虚拟环境（可选但推荐）
uv venv
source .venv/bin/activate  # 在 macOS/Linux 上
# OR
.venv\Scripts\activate     # 在 Windows 上

# 安装依赖项
uv pip install mcp openai aiohttp

配置

设置您的 DeepMyst API 密钥

环境变量（推荐）：

export DEEPMYST_API_KEY="your-deepmyst-api-key"  # macOS/Linux
# OR
set DEEPMYST_API_KEY="your-deepmyst-api-key"     # Windows

配置 Claude Desktop：

打开您的 Claude Desktop 配置文件：
- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
- Windows: %APPDATA%\Claude\claude_desktop_config.json
添加 DeepMyst MCP 服务器配置：

{
  "mcpServers": {
    "deepmyst": {
      "command": "uv",
      "args": [
        "run",
        "C:/Users/username/Documents/DeepMyst-MCP/deepmyst_mcp.py"
      ],
      "env": {
        "DEEPMYST_API_KEY": "your-deepmyst-api-key"
      }
    }
  }
}

确保将文件路径和 API 密钥替换为您实际的值，然后保存并重新启动 Claude Desktop。

工具和功能

DeepMyst MCP 服务器提供多种强大的工具：

获取查询的最佳模型 分析您的查询并推荐最佳模型。

Prompt: 什么是写一首关于量子物理学的诗的最佳模型？

优化完成 生成具有 token 优化的响应以降低成本。

Prompt: 分析附加的书籍，使用 optimized_completion 工具。

自动路由完成 使用 DeepMyst 路由器生成响应以选择最佳模型。

Prompt: 生成一个 Python 函数，使用 auto_routed_completion 分析销售数据。

智能完成 结合路由和优化 - 首先确定查询的最佳模型，然后可以选择应用 token 优化。
```
Prompt: 使用 smart_completion 以简单的术语解释区块链的工作原理。
```

DeepMyst 完成 最灵活的工具，所有选项均可配置。

Prompt: 使用 deepmyst_completion 与 GPT-4o、token 优化和无路由来总结这篇文章。

高级用例

协作式多 LLM 问题解决

DeepMyst 使复杂的问题能够被分解并分配给多个专门的 LLM：

并行处理: 将复杂的任务分解为不同的 LLM 可以同时解决的子任务
专家集成: 将问题的不同方面分配给具有特定优势的模型（例如，GPT-4o 用于创意写作，Claude 用于逻辑推理，Gemini 用于数学分析）
共识建立: 将相同的问题路由到多个模型并综合它们的响应以获得更可靠的答案
链式思考增强: 使用一个模型生成推理路径，然后让另一个模型验证或改进它

示例: 对于复杂的业务战略分析，DeepMyst 可以将市场研究路由到以数据为中心的模型，将创意构思路由到生成专家，并将风险评估路由到具有更好推理能力的模型。

处理大型上下文窗口

有效地管理和处理大型文档或复杂的对话：

上下文分块: 将大型文档分解为可管理的片段，将每个片段路由到适当的模型，然后综合结果
渐进式摘要: 使用具有较小上下文窗口的模型来总结各个部分，然后将这些摘要提供给具有更广泛上下文功能的模型
优先级过滤: 智能地识别和保留最相关的上下文，同时压缩不太重要的信息
上下文管理: 有效地维护对话历史记录，而不会超过 token 限制，方法是动态压缩较旧的轮次

示例: 在分析 500 页的法律文档时，DeepMyst 可以对文档进行分块，将各个部分路由到专门的法律分析模型，并逐步构建全面的分析，而不会达到上下文限制。

智能任务路由

根据任务的特定功能将任务与最合适的模型匹配：

能力匹配: 自动识别任务要求并将它们与擅长这些领域的模型匹配
成本优化: 将简单的查询路由到高效、低成本的模型，同时为复杂的任务保留高级模型
延迟管理: 根据时间敏感型应用程序的响应时间要求选择模型
专业化路由: 将特定领域的问题定向到在这些领域中表现最佳的模型

示例: 财务分析工作流程可以将数据处理路由到快速、高效的模型，将数值分析路由到数学专业模型，并将最终报告生成路由到具有更好写作能力的模型。

自适应学习和改进

根据性能不断改进路由决策：

性能跟踪: 监控不同模型在各种任务类型中的响应质量、token 使用量和延迟
自适应路由: 根据历史性能数据优化路由决策
A/B 测试: 自动测试类似任务上的不同模型以识别性能模式
偏好学习: 根据用户反馈和偏好调整路由

示例: 在观察到特定模型在创意写作任务中始终表现更好之后，DeepMyst 可以自动调整其路由以在未来的创意任务中优先选择该模型。

支持的 LLM 提供商

DeepMyst 支持多个 LLM 提供商，包括：

OpenAI: GPT-4o, GPT-4o-mini, 等.
Anthropic: Claude 3.7 Sonnet, Claude 3.5 Sonnet, 等.
Google: Gemini 2.0 Flash, Gemini 1.5 Pro, 等.
Groq: Llama 3.1, Mixtral, 等.

自定义配置

您可以通过传递特定参数来自定义工具行为：

Prompt: 使用 deepmyst_completion 和以下参数：
- base_model: gpt-4o-mini
- system_message: 您是一位专门从事金融的乐于助人的助手
- optimize: true
- auto_route: false
- temperature: 0.3
- max_tokens: 2000