Just Prompt - 面向 LLM 提供商的轻量级 MCP 服务器

just-prompt 是一个模型控制协议 (MCP) 服务器，它为各种大型语言模型 (LLM) 提供商（包括 OpenAI、Anthropic、Google Gemini、Groq、DeepSeek 和 Ollama）提供统一的接口。

工具

服务器中提供以下 MCP 工具：

• prompt: 向多个 LLM 模型发送提示

  • 参数：
    • text: 提示文本
    • models_prefixed_by_provider (可选): 带有提供商前缀的模型列表。如果未提供，则使用默认模型。

• prompt_from_file: 从文件向多个 LLM 模型发送提示

  • 参数：
    • file: 包含提示的文件的路径
    • models_prefixed_by_provider (可选): 带有提供商前缀的模型列表。如果未提供，则使用默认模型。

• prompt_from_file_to_file: 从文件向多个 LLM 模型发送提示，并将响应保存为 markdown 文件

  • 参数：
    • file: 包含提示的文件的路径
    • models_prefixed_by_provider (可选): 带有提供商前缀的模型列表。如果未提供，则使用默认模型。
    • output_dir (默认: "."): 用于保存响应 markdown 文件的目录

• list_providers: 列出所有可用的 LLM 提供商

  • 参数：无

• list_models: 列出特定 LLM 提供商的所有可用模型

  • 参数：
    • provider: 要列出模型的提供商（例如，'openai' 或 'o'）

提供商前缀

每个模型都必须以提供商名称作为前缀

使用短名称可以更快地引用

• o 或 openai: OpenAI
  • o:gpt-4o-mini
  • openai:gpt-4o-mini
• a 或 anthropic: Anthropic
  • a:claude-3-5-haiku
  • anthropic:claude-3-5-haiku
• g 或 gemini: Google Gemini
  • g:gemini-2.5-pro-exp-03-25
  • gemini:gemini:gemini-2.5-pro-exp-03-25
• q 或 groq: Groq
  • q:llama-3.1-70b-versatile
  • groq:llama-3.1-70b-versatile
• d 或 deepseek: DeepSeek
  • d:deepseek-coder
  • deepseek:deepseek-coder
• l 或 ollama: Ollama
  • l:llama3.1
  • ollama:llama3.1

特性

• 适用于多个 LLM 提供商的统一 API
• 支持来自字符串或文件的文本提示
• 并行运行多个模型
• 使用 --default-models 列表中的第一个模型自动进行模型名称校正
• 能够将响应保存到文件
• 轻松列出可用的提供商和模型

安装

# 克隆存储库
git clone https://github.com/yourusername/just-prompt.git
cd just-prompt

# 使用 pip 安装
uv sync

环境变量

创建一个包含您的 API 密钥的 .env 文件（您可以复制 .env.sample 文件）：

cp .env.sample .env

然后编辑 .env 文件以添加您的 API 密钥（或在您的 shell 中导出它们）：

OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here
GROQ_API_KEY=your_groq_api_key_here
DEEPSEEK_API_KEY=your_deepseek_api_key_here
OLLAMA_HOST=http://localhost:11434

Claude Code 安装

默认模型设置为 anthropic:claude-3-7-sonnet-20250219。

如果您直接从存储库中使用 Claude Code，您可以在 .mcp.json 文件中看到我们将默认模型设置为...

{
  "mcpServers": {
    "just-prompt": {
      "type": "stdio",
      "command": "uv",
      "args": [
        "--directory",
        ".",
        "run",
        "just-prompt",
        "--default-models",
        "anthropic:claude-3-7-sonnet-20250219,openai:o3-mini,gemini:gemini-2.5-pro-exp-03-25"
      ],
      "env": {}
    }
  }
}

--default-models 参数设置在没有明确提供给 API 端点时要使用的模型。列表中的第一个模型也用于在需要时进行模型名称校正。这可以是由逗号分隔的模型列表。

启动服务器时，它将自动检查您的环境中哪些 API 密钥可用，并通知您可以使用的提供商。如果缺少密钥，该提供商将被列为不可用，但服务器仍将启动并且可以与可用的提供商一起使用。

使用 mcp add-json

复制此内容并将其粘贴到 claude code 中，但在复制 json 之前不要运行

claude mcp add just-prompt "$(pbpaste)"

要复制的 JSON

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt"]
}

使用自定义默认模型设置为 openai:gpt-4o。

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:gpt-4o"]
}

使用多个默认模型：

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "anthropic:claude-3-7-sonnet-20250219,openai:gpt-4o,gemini:gemini-2.5-pro-exp-03-25"]
}

使用 mcp add 与项目范围

# 使用默认模型 (anthropic:claude-3-7-sonnet-20250219)
claude mcp add just-prompt -s project \
  -- \
    uv --directory . \
    run just-prompt

# 使用自定义默认模型
claude mcp add just-prompt -s project \
  -- \
  uv --directory . \
  run just-prompt --default-models "openai:gpt-4o"

# 使用多个默认模型
claude mcp add just-prompt -s user \
  -- \
  uv --directory . \
  run just-prompt --default-models "anthropic:claude-3-7-sonnet-20250219:4k,openai:o3-mini,gemini:gemini-2.0-flash,openai:gpt-4.5-preview,gemini:gemini-2.5-pro-exp-03-25"

mcp remove

claude mcp remove just-prompt

运行测试

uv run pytest

代码库结构

.
├── ai_docs/                   # AI 模型详细信息的文档
│   ├── llm_providers_details.xml
│   └── pocket-pick-mcp-server-example.xml
├── list_models.py             # 列出可用 LLM 模型的脚本
├── pyproject.toml             # Python 项目配置
├── specs/                     # 项目规范
│   └── init-just-prompt.md
├── src/                       # 源代码目录
│   └── just_prompt/
│       ├── __init__.py
│       ├── __main__.py
│       ├── atoms/             # 核心组件
│       │   ├── llm_providers/ # 单个提供商实现
│       │   │   ├── anthropic.py
│       │   │   ├── deepseek.py
│       │   │   ├── gemini.py
│       │   │   ├── groq.py
│       │   │   ├── ollama.py
│       │   │   └── openai.py
│       │   └── shared/        # 共享实用程序和数据类型
│       │       ├── data_types.py
│       │       ├── model_router.py
│       │       ├── utils.py
│       │       └── validator.py
│       ├── molecules/         # 更高级别的功能
│       │   ├── list_models.py
│       │   ├── list_providers.py
│       │   ├── prompt.py
│       │   ├── prompt_from_file.py
│       │   └── prompt_from_file_to_file.py
│       ├── server.py          # MCP 服务器实现
│       └── tests/             # 测试目录
│           ├── atoms/         # atoms 的测试
│           │   ├── llm_providers/
│           │   └── shared/
│           └── molecules/     # molecules 的测试

上下文启动

阅读 README.md，然后运行 git ls-files 和 'eza --git-ignore --tree' 以了解项目的上下文。

使用 Claude 的思考令牌

Anthropic Claude 模型 claude-3-7-sonnet-20250219 支持使用思考令牌的扩展思考能力。这允许 Claude 在回答之前进行更彻底的思考过程。

您可以通过在此格式的模型名称中添加后缀来启用思考令牌：

• anthropic:claude-3-7-sonnet-20250219:1k - 使用 1024 个思考令牌
• anthropic:claude-3-7-sonnet-20250219:4k - 使用 4096 个思考令牌
• anthropic:claude-3-7-sonnet-20250219:8000 - 使用 8000 个思考令牌

用法示例：

# 将 4k 思考令牌与 Claude 一起使用
uv run just-prompt prompt "分析量子计算与经典计算的优缺点" \
  --models-prefixed-by-provider anthropic:claude-3-7-sonnet-20250219:4k

注意：

• 思考令牌仅支持 claude-3-7-sonnet-20250219 模型
• 有效的思考令牌预算范围为 1024 到 16000
• 此范围之外的值将自动调整到范围内
• 您可以使用 k 表示法（1k、4k 等）或使用确切的数字（1024、4096 等）来指定预算

资源

• https://docs.anthropic.com/en/api/models-list?q=list+models
• https://github.com/googleapis/python-genai
• https://platform.openai.com/docs/api-reference/models/list
• https://api-docs.deepseek.com/api/list-models
• https://github.com/ollama/ollama-python
• https://github.com/openai/openai-python