Converse MCP Enhanced

Converse MCP增强版

  ](https://nodejs.org) 

Claude Desktop的多模型AI对话MCP。通过Ollama与GPT-4、Gemini、xAI、Perplexity和本地模型无缝集成。通过智能路由和本地模型优先级，实现80-95%的成本节约。

🌟 特性

• 10+AI模型：GPT-4，克劳德，双子座，xAI Grok，困惑，Ollama
• 节省80-95%的成本：智能路由通过Ollama优先考虑本地模型
• 并行处理：同时查询多个模型以达成共识
• Web搜索集成：通过困惑声纳实时获取信息
• 对话记忆：跨会话的持久上下文
• 智能回退：自动故障切换以确保可靠性
• Ollama零设置：自动检测和配置

🚀 支持的型号

API模型

• 开放人工智能：GPT-4、GPT-3.5涡轮增压
• Anthropic：克劳德3作品，十四行诗，俳句
• 谷歌：Gemini Pro、Gemini Ultra
• 扩展应用识别：Grok-1，Grok-2
• 困惑度：声纳（带网络搜索）

本地模型（通过Ollama）

• 《骆驼3》（8B、70B）
• 米斯特拉尔，混音
• CodeLlama
• Phi-2
• 神经聊天
• 任何兼容Olama的型号

💰 成本优化策略

Priority Order (Highest to Lowest):
1. Ollama local models (FREE) - ALWAYS FIRST
2. Intelligent model selection based on query
3. API models only as fallback

Result: 100% FREE operation when Ollama available

🧠 智能模型选择（v1.1.0）

系统会自动选择最佳Ollama模型：

• 简单查询 （\200个字符）→ qwen2.5编码器：32b
• 默认 → 骆驼3.2:3b（平衡）

📦 安装

通过NPM（推荐）

npm install -g converse-mcp-enhanced

手动安装

git clone https://github.com/justmy2satoshis/converse-mcp-enhanced.git
cd converse-mcp-enhanced
npm install

🔧 配置

添加到您的Claude Desktop配置文件中：

视窗: %APPDATA%\Claude\claude_desktop_config.json macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "converse": {
      "command": "node",
      "args": ["C:\\path\\to\\converse-mcp-enhanced\\src\\server.js"],
      "env": {
        "OPENAI_API_KEY": "sk-...",
        "GOOGLE_API_KEY": "...",
        "XAI_API_KEY": "...",
        "PERPLEXITY_API_KEY": "...",
        "OLLAMA_HOST": "http://localhost:11434"
      }
    }
  }
}

📖 使用示例

单模型查询

const response = await chat({
  model: "auto",  // Automatic model selection
  prompt: "Explain quantum computing",
  temperature: 0.7
});

多模型共识

const consensus = await consensus({
  models: ["gpt-4", "gemini-pro", "llama3"],
  prompt: "Should we use microservices architecture?",
  enable_cross_feedback: true
});

Web搜索集成

const results = await chat({
  model: "perplexity",
  prompt: "Latest developments in AI safety",
  use_websearch: true
});

成本优化查询

const response = await chat({
  model: "auto",
  prompt: "Generate unit tests for this function",
  prefer_local: true,  // Prioritize Ollama models
  max_cost: 0.01      // Cost limit in USD
});

💡 用例

发展援助

• 使用本地模型生成代码（免费）
• 多模型代码质量审查
• 具有网络搜索上下文的文档

研究与分析

• 跨模型建立共识
• 通过困惑获取实时信息
• 思维链的复杂推理

成本管理

• Ollama处理了95%的查询
• API模型仅适用于特殊任务
• 自动缓存减少了冗余调用

🏗️ 建筑

converse-mcp-enhanced/
├── src/
│   ├── server.js           # Main MCP server
│   ├── models/
│   │   ├── router.js       # Intelligent routing
│   │   ├── ollama.js       # Ollama integration
│   │   └── providers/      # API integrations
│   ├── consensus.js        # Multi-model consensus
│   └── cache.js            # Response caching
├── examples/               # Usage examples
├── tests/                  # Test suite
└── package.json

📊 性能指标

🧪 测试

npm test

测试包括：

• 模型路由逻辑
• 成本优化算法
• 共识机制
• 回退场景

🤝 贡献

欢迎投稿！看 贡献.md 作为指导方针。

优先领域

1. 其他模型提供者
2. 增强的缓存策略
3. 成本优化改进
4. 共识算法

🔒 安全

• API密钥安全存储在环境中
• 不记录敏感数据
• 本地模型优先级降低了数据暴露
• 可选请求加密

📝 许可证

MIT许可证-请参阅 许可证 详细信息文件

🙏 致谢

• 模型上下文协议的拟人化
• Ollama本地模型基础设施团队
• OpenAI、谷歌、xAI、API的困惑
• 社区贡献者

📧 支持

• 问题:
• 讨论:

🚦 状态

• ✅ 生产就绪
• ✅ 集成10+个型号
• ✅ Olama自动配置
• ✅ 成本优化活动
• ✅ 克劳德桌面兼容

______________________________________________________________________

备注：需要带MCP支持的Claude Desktop。Ollama建议最大限度地节省成本。

内置于❤️ 对于那些想要强大的人工智能而不想破产的开发人员来说