MCP 编码助手，支持 OpenAI + 其他 LLM 提供商

一个强大的 Python 版 Claude Code 重构，具有增强的实时可视化、成本管理和模型上下文协议 (MCP) 服务器功能。此工具提供了一个自然语言界面，用于软件开发任务，并支持多个 LLM 提供商。

主要特性

• 多提供商支持： 可与 OpenAI、Anthropic 和其他 LLM 提供商配合使用
• 模型上下文协议集成：
  • 作为 MCP 服务器运行，以便与 Claude Desktop 和其他客户端一起使用
  • 使用内置的 MCP 客户端连接到任何 MCP 服务器
  • 用于解决复杂问题的多代理同步
• 实时工具可视化： 实时查看工具执行进度和结果
• 成本管理： 使用预算控制跟踪令牌使用情况和费用
• 全面的工具套件： 文件操作、搜索、命令执行等
• 增强的 UI： 具有进度指示器和语法高亮的丰富终端界面
• 上下文优化： 智能对话压缩和内存管理
• 代理协调： 具有不同角色的专用代理可以协作完成任务

安装

1. 克隆此存储库
2. 安装依赖项：

pip install -r requirements.txt

3. 创建一个包含 API 密钥的 .env 文件：

# 选择一个或多个提供商
OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# 可选的模型选择
OPENAI_MODEL=gpt-4o
ANTHROPIC_MODEL=claude-3-opus-20240229

用法

CLI 模式

使用默认提供商（从可用的 API 密钥确定）运行 CLI：

python claude.py chat

指定提供商和模型：

python claude.py chat --provider openai --model gpt-4o

设置预算限制以管理成本：

python claude.py chat --budget 5.00

MCP 服务器模式

作为模型上下文协议服务器运行：

python claude.py serve

在开发模式下使用 MCP Inspector 启动：

python claude.py serve --dev

配置主机和端口：

python claude.py serve --host 0.0.0.0 --port 8000

指定其他依赖项：

python claude.py serve --dependencies pandas numpy

从文件加载环境变量：

python claude.py serve --env-file .env

MCP 客户端模式

使用 Claude 作为推理引擎连接到 MCP 服务器：

python claude.py mcp-client path/to/server.py

指定 Claude 模型：

python claude.py mcp-client path/to/server.py --model claude-3-5-sonnet-20241022

尝试包含的示例服务器：

# 在终端 1 中 - 启动服务器
python examples/echo_server.py

# 在终端 2 中 - 使用客户端连接
python claude.py mcp-client examples/echo_server.py

多代理 MCP 模式

启动具有同步代理的多代理客户端：

python claude.py mcp-multi-agent path/to/server.py

使用自定义代理配置文件：

python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json

与 echo 服务器的示例：

# 在终端 1 中 - 启动服务器
python examples/echo_server.py

# 在终端 2 中 - 启动多代理客户端
python claude.py mcp-multi-agent examples/echo_server.py --config examples/agents_config.json

可用工具

• View： 读取文件，可选择行数限制
• Edit： 使用精确的文本替换修改文件
• Replace： 创建或覆盖文件
• GlobTool： 通过模式匹配查找文件
• GrepTool： 使用正则表达式搜索文件内容
• LS： 列出目录内容
• Bash： 执行 shell 命令

聊天命令

• /help： 显示可用命令
• /compact： 压缩对话历史记录以节省令牌
• /version： 显示版本信息
• /providers： 列出可用的 LLM 提供商
• /cost： 显示成本和使用情况信息
• /budget [amount]： 设置预算限制
• /quit, /exit： 退出应用程序

架构

Claude Code Python Edition 采用模块化架构构建：

/claude_code/
  /lib/
    /providers/      # LLM 提供商实现
    /tools/          # 工具实现
    /context/        # 上下文管理
    /ui/             # UI 组件
    /monitoring/     # 成本跟踪和指标
  /commands/         # CLI 命令
  /config/           # 配置管理
  /util/             # 实用函数
  claude.py          # 主要 CLI 入口点
  mcp_server.py      # 模型上下文协议服务器

与模型上下文协议一起使用

将 Claude Code 用作 MCP 服务器

MCP 服务器运行后，您可以从 Claude Desktop 或其他 MCP 兼容客户端连接到它：

1. 安装并运行 MCP 服务器：

   python claude.py serve
   

2. 在浏览器中打开配置页面：

   http://localhost:8000
   

3. 按照说明配置 Claude Desktop，包括：

   • 复制 JSON 配置
   • 下载自动配置的 JSON 文件
   • 分步设置说明

将 Claude Code 用作 MCP 客户端

要使用 Claude Code 连接到任何 MCP 服务器：

1. 确保您的 Anthropic API 密钥位于环境或 .env 文件中
2. 启动要连接的 MCP 服务器
3. 使用 MCP 客户端连接：

   python claude.py mcp-client path/to/server.py
   

4. 在交互式聊天界面中键入查询

使用多代理模式

对于复杂的任务，多代理模式允许多个专用代理进行协作：

1. 创建一个代理配置文件或使用提供的示例
2. 启动您的 MCP 服务器
3. 启动多代理客户端：

   python claude.py mcp-multi-agent path/to/server.py --config examples/agents_config.json
   

4. 使用命令界面与多个代理交互：
   • 键入消息以广播给所有代理
   • 使用 /talk Agent_Name message 进行直接通信
   • 使用 /agents 查看所有可用代理
   • 使用 /history 查看对话历史记录

贡献

1. Fork 存储库
2. 创建一个功能分支
3. 使用测试实现您的更改
4. 提交 pull request

许可证

MIT

致谢

该项目灵感来自 Anthropic 的 Claude Code CLI 工具，该工具以 Python 重新实现，并具有额外的功能，可增强可见性、成本管理和 MCP 服务器功能。# OpenAI 代码助手

一个强大的命令行和基于 API 的编码助手，它使用 OpenAI API，具有函数调用和流式传输功能。

特性

• 用于编码辅助的交互式 CLI
• 用于与其他应用程序集成的 Web API
• 模型上下文协议 (MCP) 服务器实现
• 用于高可用性的复制支持
• 用于可扩展性的基于工具的架构
• 用于工具优化的强化学习
• 用于基于浏览器的交互的 Web 客户端

安装

1. 克隆存储库
2. 安装依赖项：

   pip install -r requirements.txt
   

3. 设置您的 OpenAI API 密钥：

   export OPENAI_API_KEY=your_api_key
   

用法

CLI 模式

在交互式 CLI 模式下运行助手：

python cli.py

选项：

• --model, -m: 指定要使用的模型（默认：gpt-4o）
• --temperature, -t: 设置响应生成的温度（默认：0）
• --verbose, -v: 启用带有附加信息的详细输出
• --enable-rl/--disable-rl: 启用/禁用用于工具优化的强化学习
• --rl-update: 手动触发 RL 模型的更新

API 服务器模式

将助手作为 API 服务器运行：

python cli.py serve

选项：

• --host: 要绑定的主机地址（默认：127.0.0.1）
• --port, -p: 要监听的端口（默认：8000）
• --workers, -w: 工作进程数（默认：1）
• --enable-replication: 启用跨实例的复制
• --primary/--secondary: 这是否是主实例或辅助实例
• --peer: 要复制的对等实例 (host:port)，可以指定多次

MCP 服务器模式

将助手作为模型上下文协议 (MCP) 服务器运行：

python cli.py mcp-serve

选项：

• --host: 要绑定的主机地址（默认：127.0.0.1）
• --port, -p: 要监听的端口（默认：8000）
• --dev: 启用带有附加日志记录的开发模式
• --dependencies: 要安装的其他 Python 依赖项
• --env-file: 带有环境变量的 .env 文件的路径

MCP 客户端模式

使用助手作为推理引擎连接到 MCP 服务器：

python cli.py mcp-client path/to/server.py

选项：

• --model, -m: 用于推理的模型（默认：gpt-4o）
• --host: MCP 服务器的主机地址（默认：127.0.0.1）
• --port, -p: MCP 服务器的端口（默认：8000）

部署脚本

为了更轻松地部署，请使用提供的脚本：

./deploy.sh --host 0.0.0.0 --port 8000 --workers 4

要启用复制：

# 主实例
./deploy.sh --enable-replication --port 8000

# 辅助实例
./deploy.sh --enable-replication --secondary --port 8001 --peer 127.0.0.1:8000

Web 客户端

要使用 Web 客户端，请在浏览器中打开 web-client.html。 确保 API 服务器正在运行。

API 端点

标准 API 端点

• POST /conversation: 创建新对话
• POST /conversation/{conversation_id}/message: 向对话发送消息
• POST /conversation/{conversation_id}/message/stream: 流式传输消息响应
• GET /conversation/{conversation_id}: 获取对话详细信息
• DELETE /conversation/{conversation_id}: 删除对话
• GET /health: 健康检查端点

MCP 协议端点

• GET /: 健康检查 (MCP 协议)
• POST /context: 获取提示模板的上下文
• GET /prompts: 列出可用的提示模板
• GET /prompts/{prompt_id}: 获取特定的提示模板
• POST /prompts: 创建新的提示模板
• PUT /prompts/{prompt_id}: 更新现有的提示模板
• DELETE /prompts/{prompt_id}: 删除提示模板

复制

复制系统允许运行具有同步状态的助手的多个实例。 这提供了：

• 高可用性
• 负载均衡
• 容错能力

要设置复制：

1. 使用 --enable-replication 启动主实例
2. 使用 --enable-replication --secondary --peer [primary-host:port] 启动辅助实例

工具

助手包括各种工具：

• Weather: 获取某个位置的当前天气
• View: 从文件系统读取文件
• Edit: 编辑文件
• Replace: 写入文件
• Bash: 执行 bash 命令
• GlobTool: 文件模式匹配
• GrepTool: 内容搜索
• LS: 列出目录内容
• JinaSearch: 使用 Jina.ai 进行 Web 搜索
• JinaFactCheck: 使用 Jina.ai 进行事实核查
• JinaReadURL: 读取和总结网页

CLI 命令

• /help: 显示帮助消息
• /compact: 压缩对话以减少令牌使用量
• /status: 显示令牌使用情况和会话信息
• /config: 显示当前配置设置
• /rl-status: 显示 RL 工具优化器状态（如果已启用）
• /rl-update: 手动更新 RL 模型（如果已启用）
• /rl-stats: 显示工具使用统计信息（如果已启用）