model-gateway
Configurable MCP server that lets you define LLM-powered tools via JSON, enabling easy integration of multiple models (GPT, Gemini, Claude, etc.) as MCP tools without writing Python code.
README
model-gateway — 把每个任务路由到最对口的模型
好用的模型缺多模态,全能的模型又太贵。model-gateway 做一件事:不同任务自动走不同模型,好的用在对的地方,贵的只用在值的地方。
问题
现在的模型格局是这样的:
| 模型 | 优势 | 短板 |
|---|---|---|
| DeepSeek | 推理强、便宜、上下文大 | 没有多模态 |
| 豆包 (Doubao) | 视觉理解出色、便宜 | 复杂推理不如 DeepSeek |
| GPT-5.4 | 架构设计、深度分析顶尖 | 贵,日常用浪费 |
| Gemini 2.5 Flash | 多语言翻译质量高、便宜 | 代码能力一般 |
一个模型打不了全场。 你既想用 DeepSeek 做日常推理,又想用豆包分析截图图表,偶尔还需要 GPT-5.4 做复杂架构规划。切换模型、管理 API key、记住哪个模型适合什么任务——这些都是认知负担。
解决方案
model-gateway 是一个模型路由器。你正常使用 Claude Code,它在背后把不同任务自动分发到最合适的模型:
你的任务 → 路由到
──────────────────────────────────────────
分析这张截图里有几个按钮 → 豆包 Seed 2.1 Pro (视觉,便宜)
设计微服务事务补偿方案 → GPT-5.4 (深度推理,贵但值)
审查 auth.py 有没有安全漏洞 → GPT-5.4 (安全审计,不能省钱)
"Redis 集群 vs 哨兵,怎么选?" → GPT-5.4 (决策分析)
翻译产品文档到日文 → Gemini 2.5 Flash (翻译,便宜)
其他所有事情 → DeepSeek (你当前用的默认模型)
好的模型用在对的地方,贵的模型只用在值的地方。
快速开始
# 1. 安装
pip install -e .
# 2. 设置 API Key(在 ~/.claude/settings.json 的 env 块)
# "OPENROUTER_API_KEY": "sk-or-v1-xxx", # 用于 GPT-5.4、Gemini 等
# "ARK_API_KEY": "your-ark-key" # 用于豆包视觉
# 3. 添加工具——改 config.json,加一段 JSON:
# {
# "tool": "translate_to_japanese",
# "description": "Translate text to Japanese",
# "provider": "openrouter",
# "model": "google/gemini-2.5-flash",
# "system_prompt": "Translate to natural Japanese. Preserve tone.",
# "input_schema": {
# "type": "object",
# "properties": {
# "text": { "type": "string", "description": "Text to translate" }
# },
# "required": ["text"]
# }
# }
# 4. 重启 Claude Code —— 新工具自动出现。
架构
Claude Code (你用的是 DeepSeek 也没关系)
│
├── "帮我看看这张架构图" ──→ vision_ask ──→ 豆包 Seed 2.1 Pro
├── "设计一个迁移方案" ──→ gpt_plan ──→ GPT-5.4
├── "审查这段代码" ──→ gpt_review ──→ GPT-5.4
├── "翻译成中文" ──→ gpt_translate ──→ Gemini 2.5 Flash
└── ...更多工具,只需在 config.json 加一段 JSON
核心思路:config.json 定义"什么任务→什么模型→什么提示词",server.py 负责 MCP 协议和 API 调用。加新工具零 Python 代码。
内置工具
| 工具 | 走哪个模型 | 做什么 | 为什么是这个模型 |
|---|---|---|---|
vision_ask |
豆包 Seed 2.1 Pro | 图片分析、截图理解、图表解读 | 视觉理解好,便宜 |
gpt_plan |
GPT-5.4 | 架构设计、实现方案规划 | 深度推理,复杂任务不省钱 |
gpt_review |
GPT-5.4 | 代码审查(安全/正确性/架构) | 找隐蔽漏洞需要深度 |
gpt_decide |
GPT-5.4 | 多方案决策分析 | 权衡博弈需要强推理 |
gpt_design_workflow |
GPT-5.4 | 生成 Workflow 编排脚本 | 多步骤编排需要全局视角 |
gpt_translate |
Gemini 2.5 Flash | 多语言翻译 | 翻译质量高,便宜 |
CLI 使用
mg vision photo.jpg "描述这张图片"
mg plan "设计微服务事务补偿机制" --budget high
mg review auth.py --focus security
mg decide "Redis 集群" "哨兵方案" "云服务" --criteria "性能,成本,运维"
mg workflow "迁移认证系统到 JWT,零停机" --quality exhaustive
mg translate "Hello world" Chinese
Claude Code 集成
{
"mcpServers": {
"model-gateway": {
"command": "python",
"args": ["-m", "model_gateway.mcp_server"],
"cwd": "/path/to/model-gateway"
}
}
}
安全
- API Key 不在仓库里,全部走环境变量
config.json已被.gitignore排除,不会意外提交- 配置写入时自动剥离已解析的 Key
License
MIT
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。