基于MCP的多AI编排系统 使用模型上下文协议（MCP）通过Claude Desktop同时查询多个AI模型。获得不同的观点、自动评论和综合答案——所有这些都是免费的。
 ](https://nodejs.org/) ](https://www.python.org/)
🎯 这有什么作用 该系统将Claude Desktop变成了一个智能编排器，它： 并行查询多个AI模型（Gemini、Mistral、Grok等） 收集来自不同提供商的不同回复 对每个回复的准确性、完整性和清晰度进行批评 通过结合所有模型的优势来综合最佳答案 结果：比任何单一模型都能提供更高质量的答案。
✨ 特性 🤖 6个免费人工智能模型-无API成本 ⚡ 并行查询-来自多个模型的快速响应 🎓 自动批评-克劳德分析并排名回应 🔄 智能合成-将最佳元素组合成统一答案 🔌 MCP集成-无缝的Claude桌面体验 🌍 跨平台-适用于macOS、Windows、Linux
📊 可用模型 模型 提供者 最适合 上下文 双子座2.0闪光灯 谷歌 快速、通用的任务 1M代币 米斯特拉尔小3.2 米斯特拉尔AI 代码、数学、推理 128K代币 杰玛3 12B 谷歌 多语言（140多种语言） 128K代币 杰玛3 4B 谷歌 快速响应 128K代币 Grok 4.1快速 扩展应用识别 高级推理
NVIDIA Nemotron 英伟达 视觉语言
所有型号均可通过OpenRouter免费获得！
🚀 快速开始 先决条件 Node.js（v18+） Python（3.8+） 克劳德桌面 OpenRouter API密钥（免费） 安装
- 克隆存储库：
macOS/Linux
克隆https://github.com/YOUR_USERNAME/multi-ai-mcp.git cd多ai mcp
视窗
克隆https://github.com/YOUR_USERNAME/multi-ai-mcp.git cd多ai mcp
- 安装依赖项：
安装Node.js包
cd-mcp服务器 npm安装
安装Python包
pip安装openai python dotenv
- 配置API密钥：
创建.env文件
cp.env.example.env
编辑并添加您的OpenRouter API密钥
nano.env#或使用您喜欢的编辑器
添加： OPENROUTER_API_KEY=sk-or-v1-实际密钥-此处
- 测试设置：
测试API连接
cd脚本 python3 test_openrouter.py
测试MCP服务器
cd。./mcp服务器 节点index.js
应显示：“OpenRouter MCP服务器在stdio上运行”
按Ctrl+C停止
- 配置Claude桌面：
macOS： nano~/库/应用程序\\支持/Claude/Claude_desktop_config json
窗户： 记事本%APPDATA%\\Claude\\Claude_desktop_config.json
添加此配置： macOS： { “mcpServers”：{ “openrouter多ai”：{ “command”：“node”， “args”：\[“/Users/YOUR_USERNAME/multi-ai-mcp/mcp-server/index.js”\] } } }
窗户： { “mcpServers”：{ “openrouter多ai”：{ “command”：“node”， “args”：\[“C:\\multi-ai-mcp\\mcp服务器\\index.js”\] } } }
- 重新启动克劳德桌面：
完全退出克劳德桌面（Cmd+Q/Alt+F4） 重新开始 等待5-10秒，让MCP连接
- 在Claude Desktop中测试：
嗨，克劳德！您可以通过MCP访问哪些AI模型？
📖 使用示例 示例1：单模型查询 Claude，查询gemma_4b：“什么是Python？”
示例2：带有批判的多个模型 克劳德，我需要不同的观点： “微服务的优缺点是什么？”
查询：gemini_flash、mistry_small、grok_fast
然后进行批判和综合。
示例3：查询所有模型 Claude，查询所有型号： “向初学者解释机器学习”
比较他们的方法。
示例4：技术深度潜水 克劳德，用mistal_small和grok_fast来回答： “async/await和Promises有什么区别？”
进行技术评论和综合。
🎮 运作原理 流程图 纵向 A【用户问题】-->B【克劳德桌面】 B-->C\[MCP服务器\] C-->D\[开放路由器API\] D->E1\[双子座闪光\] D->E2\[西北风小\] D->E3\[Gemma 12B\] D->E4\[Gemma 4B\] D-->E5\[快速浏览\] D-->E6\[英伟达纳米\] E1-->F\[收集响应\] E2-->F E3-->F E4-->F E5-->F E6-->F F-->G〔克劳德评论〕 G-->H\[克劳德合成\] H-->I\[用户最终答复\]
🔧 配置 项目结构 多人工智能mcp/ ├── .env#API密钥（创建此项） ├── .env.example#配置示例 Mabalin遇到了i-print学生。 ├── README.md ├── USAGE.md#详细使用指南 ├── mcp服务器/ │ ├── index.js#主MCP服务器 │ ├── package.json │ └── 节点模块/ ├── 脚本/ │ └── test_openrouter.py#API测试脚本 ├── config/#配置文件 └── results/#查询结果（可选）
环境变量 变量 描述 必需 OPENROUTER_API_键 您的OpenRouter API密钥 是
模型配置 将mcp服务器/index.js编辑为： 添加新模型 更改型号ID 调整参数（温度、max_tokens）
🎯 最佳实践 模型选择 对于速度： gemma4b（最快）
质量方面： 双生睫毛+小睫毛+grok_fast
多样性： gemini_flash+mistral小+gemma_12b+grok_fast
保险范围： query_all_models（共6个）
费率限制管理 每个查询从2-3个模型开始 在大型查询之间等待5-10秒 监控使用情况https://openrouter.ai/activity 考虑增加信用额度（5-10美元）以获得更高的限额
🐛 故障排除 MCP服务器未连接 检查配置文件：
macOS
cat~/库/应用程序\\支持/Claude/Claude_desktop_config json
视窗
类型%APPDATA%\\Claude\\Claude_desktop_config.json
检查日志：
macOS
tail-f~/库/日志/Claude/mcp\*.log
视窗
类型%APPDATA%\\Claude\\logs\\mcp\*.log
解决方案：完全重新启动Claude Desktop
API关键问题 测试您的密钥： cd脚本 python3 test_openrouter.py
验证格式： OPENROUTER_API_KEY=sk-or-v1-。..
（无引号，无空格）
未找到模块 cd-mcp服务器 rm-rf节点模块包-lock.json npm安装
速率限制错误（429） 减少并发查询（使用2-3个模型而不是6个） 增加请求之间的延迟 检查https://openrouter.ai/activity 考虑为更高的限额增加学分
📚 文档 USAGE.md-带示例的完整使用指南 模型上下文协议-MCP文档 OpenRouter文档-API文档
🔐 安全 ✅ 从不提交.env文件 ✅ 使用.gitignore排除敏感文件 ✅ 定期旋转API密钥 ✅ 监控使用情况仪表板 ✅ 设置文件权限：chmod 600.env（macOS/Linux）
🚧 路线图 \[\]添加更多可用的免费型号 \[\]实现结果缓存 \[\]添加web界面 \[\]支持图像输入 \[\]基于问题类型的自动模型选择 \[\]将结果导出为各种格式 \[\]性能指标和分析
🤝 贡献 欢迎投稿！拜托： 复刻仓库 创建一个功能分支（git checkout-b feature/AmazingFeature） 提交更改（git Commit-m“添加AmazingFeature”） 推送到分支（git推送原点功能/AmazingFeature） 打开拉取请求
📝 许可证 此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。
🙏 致谢 人类学-适用于克劳德和MCP协议 OpenRouter-用于统一的API访问 模型提供商：谷歌、Mistral AI、xAI、NVIDIA 社区贡献者
📞 支持 📖 文档 🐛 问题追踪 💬 讨论
⭐ 星迹 如果你觉得这个项目有用，请考虑给它一颗星！
由...制作❤️ 对于AI社区 版本：1.0.0 最后更新日期：2024年11月 状态：✅ 生产就绪
快速链接 安装指南 使用示例 故障排除 全部文件 OpenRouter仪表板
准备好开始了吗？遵循上面的快速入门指南！ 🚀