Claude Code AI Collaboration MCP Server

Claude Code AI协作MCP服务器

一个强大的模型上下文协议（MCP）服务器，通过具有先进策略和全面工具的多个提供商实现人工智能协作。

   ](https://nodejs.org/)

🌟 特性

🤖 多提供商人工智能集成

• 深度求索：性能优化的主要供应商
• OpenAI：GPT模型集成
• Anthropic：克劳德模型支持
• 臭氧：下一代型号支持

🚀 高级协作策略

• 并行：同时跨多个提供者执行请求
• 顺序的：连锁供应商对迭代改进的回应
• 共识：通过多个提供商的意见建立协议
• 迭代的：通过多轮优化回复

🛠️ 综合MCP工具

• 合作：多提供商协作与战略选择
• 审查：内容分析和质量评估
• 比较：多个项目的并排比较
• 精炼：迭代式内容改进

📊 企业功能

• 缓存：内存和Redis兼容的缓存系统
• 指标：与OpenTetry兼容的性能监测
• 搜索：带倒排索引的全文搜索
• 合成：智能响应聚合

🚀 快速开始

📖 MCP新手？ 查看我们的 快速入门指南 只需5分钟的设置！

先决条件

• Node.js 18.0.0或更高版本
• pnpm 8.0.0或更高
• TypeScript 5.3.0或更高版本

安装

# Clone the repository
git clone https://github.com/atsuki-sakai/ai_collaboration_mcp_server.git
cd ai_collaboration_mcp_server

# Install dependencies
pnpm install

# Build the project
pnpm run build

# Run tests
pnpm test

配置

1. 环境变量:

   # Required: Set your API keys
   export DEEPSEEK_API_KEY="your-deepseek-api-key"
   export OPENAI_API_KEY="your-openai-api-key"
   export ANTHROPIC_API_KEY="your-anthropic-api-key"

   # Optional: Configure other settings
   export MCP_DEFAULT_PROVIDER="deepseek"
   export MCP_PROTOCOL="stdio"

1. 配置文件:

- config/default.yaml：默认配置 - config/development.yaml：开发设置 - config/production.yaml：生产设置

运行服务器

# Start with default settings
pnpm start

# Start with specific protocol
node dist/index.js --protocol stdio

# Start with custom providers
node dist/index.js --providers deepseek,openai --default-provider deepseek

# Enable debug mode
NODE_ENV=development LOG_LEVEL=debug pnpm start

🔗 Claude代码集成

连接到克劳德代码

要将此MCP服务器与Claude Code一起使用，您需要配置Claude Code以识别并连接到您的服务器。

1.自动设置（推荐）

使用自动设置脚本进行简单配置：

# Navigate to your project directory
cd /Users/atsukisakai/Desktop/ai_collaboration_mcp_server

# Run automated setup with your DeepSeek API key
./scripts/setup-claude-code.sh --api-key "your-deepseek-api-key"

# Or with multiple providers
./scripts/setup-claude-code.sh \
  --api-key "your-deepseek-key" \
  --openai-key "your-openai-key" \
  --anthropic-key "your-anthropic-key"

# Alternative using pnpm
pnpm run setup:claude-code -- --api-key "your-deepseek-key"

安装脚本将：

• ✅ 构建MCP服务器
• ✅ 创建Claude代码配置文件
• ✅ 测试服务器连接
• ✅ 提供后续步骤

1b。手动设置

如果您更喜欢手动设置：

# Navigate to your project directory
cd /Users/atsukisakai/Desktop/ai_collaboration_mcp_server

# Install dependencies and build
pnpm install
pnpm run build

# Set your DeepSeek API key
export DEEPSEEK_API_KEY="your-deepseek-api-key"

# Test the server
pnpm run verify-deepseek

2.配置克劳德代码

创建或更新Claude Code配置文件：

备注：有两种服务器选项：

• simple-server.js -仅使用DeepSeek进行简单实现（建议用于测试）
• index.js -全面实施所有提供商和功能

macOS/Linux：

# Create config directory if it doesn't exist
mkdir -p ~/.config/claude-code

# Create configuration file (simple server - recommended for testing)
cat > ~/.config/claude-code/claude_desktop_config.json << 'EOF'
{
  "mcpServers": {
    "ai-collaboration": {
      "command": "node",
      "args": ["/Users/atsukisakai/Desktop/ai_collaboration_mcp_server/dist/simple-server.js"],
      "env": {
        "DEEPSEEK_API_KEY": "your-deepseek-api-key"
      }
    }
  }
}
EOF

# Or use the full server for all features
# Replace simple-server.js with index.js in the args above

窗户：

# Create config directory
mkdir "%APPDATA%\Claude"

# Create configuration file (use your preferred text editor)
# File: %APPDATA%\Claude\claude_desktop_config.json

3.配置选项

{
  "mcpServers": {
    "ai-collaboration": {
      "command": "node",
      "args": [
        "/Users/atsukisakai/Desktop/ai_collaboration_mcp_server/dist/index.js",
        "--default-provider", "deepseek",
        "--providers", "deepseek,openai"
      ],
      "env": {
        "DEEPSEEK_API_KEY": "your-deepseek-api-key",
        "OPENAI_API_KEY": "your-openai-api-key",
        "ANTHROPIC_API_KEY": "your-anthropic-api-key",
        "NODE_ENV": "production",
        "LOG_LEVEL": "info",
        "MCP_DISABLE_CACHING": "false",
        "MCP_DISABLE_METRICS": "false"
      }
    }
  }
}

4.克劳德代码中的可用工具

重启Claude Code后，您将可以使用这些强大的工具：

• 🤝 合作 -多提供商人工智能协作
• 📝 审查 -内容分析和质量评估
• ⚖️ 比较 -多个项目的并排比较
• ✨ 精炼 -迭代式内容改进

5.克劳德代码中的使用示例

# Use DeepSeek for code explanation
Please use the collaborate tool to explain this Python code with DeepSeek

# Review code quality
Use the review tool to analyze the quality of this code

# Compare multiple solutions
Use the compare tool to compare these 3 approaches to solving this problem

# Improve code iteratively
Use the refine tool to make this function more efficient

6.故障排除

检查MCP服务器连接：

# Test if the server starts correctly
DEEPSEEK_API_KEY="your-key" node dist/index.js --help

查看日志：

# Check application logs
tail -f logs/application-$(date +%Y-%m-%d).log

验证克劳德代码配置：

1. 完全重新启动Claude代码
2. 在新的对话中，问“有什么工具可用？”
3. 您应该看到列出的四个MCP工具
4. 用一个简单的命令进行测试，比如“使用协作来打招呼”

7.配置文件位置

• macOS: ~/.config/claude-code/claude_desktop_config.json
• 视窗: %APPDATA%\Claude\claude_desktop_config.json
• Linux: ~/.config/claude-code/claude_desktop_config.json

📖 用法

MCP工具

协作工具

通过策略选择执行多提供商协作：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "collaborate",
    "arguments": {
      "prompt": "Explain quantum computing in simple terms",
      "strategy": "consensus",
      "providers": ["deepseek", "openai"],
      "config": {
        "timeout": 30000,
        "consensus_threshold": 0.7
      }
    }
  }
}

审查工具

分析内容质量并提供详细反馈：

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/call",
  "params": {
    "name": "review",
    "arguments": {
      "content": "Your content here...",
      "criteria": ["accuracy", "clarity", "completeness"],
      "review_type": "comprehensive"
    }
  }
}

比较工具

通过详细分析比较多个项目：

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "compare",
    "arguments": {
      "items": [
        {"id": "1", "content": "Option A"},
        {"id": "2", "content": "Option B"}
      ],
      "comparison_dimensions": ["quality", "relevance", "innovation"]
    }
  }
}

优化工具

迭代式提高内容质量：

{
  "jsonrpc": "2.0",
  "id": 4,
  "method": "tools/call",
  "params": {
    "name": "refine",
    "arguments": {
      "content": "Content to improve...",
      "refinement_goals": {
        "primary_goal": "clarity",
        "target_audience": "general public"
      }
    }
  }
}

可用资源

• 合作_历史：访问过去的协作结果
• provider_stats：监控提供商绩效指标
• 工具_用法：跟踪工具利用率统计

🏗️ 建筑

核心组件

src/
├── core/                    # Core framework components
│   ├── types.ts            # Dependency injection symbols
│   ├── logger.ts           # Structured logging
│   ├── config.ts           # Configuration management
│   ├── container.ts        # DI container setup
│   ├── provider-manager.ts # AI provider orchestration
│   ├── strategy-manager.ts # Execution strategy management
│   └── tool-manager.ts     # MCP tool management
├── providers/              # AI provider implementations
│   ├── base-provider.ts    # Common provider functionality
│   ├── deepseek-provider.ts
│   ├── openai-provider.ts
│   ├── anthropic-provider.ts
│   └── o3-provider.ts
├── strategies/             # Collaboration strategies
│   ├── parallel-strategy.ts
│   ├── sequential-strategy.ts
│   ├── consensus-strategy.ts
│   └── iterative-strategy.ts
├── tools/                  # MCP tool implementations
│   ├── collaborate-tool.ts
│   ├── review-tool.ts
│   ├── compare-tool.ts
│   └── refine-tool.ts
├── services/               # Enterprise services
│   ├── cache-service.ts
│   ├── metrics-service.ts
│   ├── search-service.ts
│   └── synthesis-service.ts
├── server/                 # MCP server implementation
│   └── mcp-server.ts
└── types/                  # Type definitions
    ├── common.ts
    ├── interfaces.ts
    └── index.ts

设计原则

• 依赖注入：使用InversifyJS实现干净的架构
• 策略模式：可插拔的协作策略
• 提供者抽象：不同AI服务的统一接口
• 演出：高效缓存和速率限制
• 可观测性：综合指标和日志记录
• 可扩展性：易于添加新的提供商和策略

🔧 配置

配置架构

服务器使用带有JSON模式验证的YAML配置文件。看 config/schema.json 对于完整的模式。

关键配置部分

• 服务器：基本服务器设置（名称、版本、协议）
• 提供商：AI提供商配置和凭据
• 策略：策略特定设置和超时
• 缓存：缓存行为（内存、Redis、文件）
• 指标：性能监控设置
• 日志记录：日志级别和输出配置

环境变量

📊 监控和指标

内置指标

• 请求度量：响应时间、成功率、错误计数
• 供应商指标：个体供应商绩效
• 工具指标：每个MCP工具的使用统计
• 缓存指标：命中率、内存使用率
• 系统度量：CPU、内存和资源利用率

开放遥测集成

服务器支持OpenTetry进行分布式跟踪和指标收集：

metrics:
  enabled: true
  export:
    enabled: true
    format: "opentelemetry"
    endpoint: "http://localhost:4317"

🧪 测试

测试覆盖率

• 单元测试：95+单个组件测试
• 集成测试：端到端MCP协议测试
• E2E测试：完成工作流验证
• API测试：直接提供商API验证

运行测试

# Run all tests
pnpm test

# Run with coverage
pnpm run test:coverage

# Run specific test suites
pnpm run test:unit
pnpm run test:integration
pnpm run test:e2e

# Verify API connectivity
pnpm run verify-deepseek

🚢 部署

码头工人

# Build image
docker build -t claude-code-ai-collab-mcp .

# Run container
docker run -d \
  -e DEEPSEEK_API_KEY=your-key \
  -p 3000:3000 \
  claude-code-ai-collab-mcp

生产注意事项

• 负载平衡：多个服务器实例实现高可用性
• 缓存：Redis用于分布式缓存
• 监控：Prometheus/Grafana用于度量可视化
• 安全：API键旋转和速率限制
• 备份：定期配置和数据备份

🤝 贡献

我们欢迎捐款！请看 贡献.md 作为指导方针。

开发设置

# Fork and clone the repository
git clone https://github.com/atsuki-sakai/ai_collaboration_mcp_server.git
cd ai_collaboration_mcp_server

# Install dependencies
pnpm install

# Start development
pnpm run dev

# Run tests
pnpm test

# Lint and format
pnpm run lint
pnpm run lint:fix

📋 路线图

版本1.1

• \[\]GraphQL API支持
• \[\]WebSocket传输协议
• \[\]高级缓存策略
• \[\]自定义策略插件

版本1.2

• \[\]多租户支持
• \[\]增强的安全功能
• \[\]性能优化
• \[\]其他人工智能提供商

版本2.0

• \[\]分布式体系结构
• \[\]高级工作流编排
• \[\]机器学习优化
• \[\]企业SSO集成

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🆘 支持

• 文档: 维基
• 问题:
• 讨论:
• 电子邮件: support@claude-code-ai-collab.com

🙏 致谢

• 模型上下文协议 对于基础协议
• 反向JS 用于依赖注入
• TypeScript 用于类型安全
• 所有用于实现协作的AI提供商API

______________________________________________________________________

内置于❤️ Claude Code AI协作团队#think_hub