خادم MCP مستشار النماذج المتعددة

ماذا يفعل خادم MCP “مستشار النماذج المتعددة”؟

خادم MCP مستشار النماذج المتعددة هو خادم لبروتوكول سياق النماذج (MCP) صُمم لربط مساعدين الذكاء الاصطناعي بعدة نماذج Ollama محلية، مما يمكّنهم من الاستعلام من عدة نماذج في وقت واحد ودمج ردودها. هذا النهج، الذي يوصف بأنه “مجلس المستشارين”، يسمح لأنظمة الذكاء الاصطناعي مثل Claude بتوليف وجهات نظر متنوعة من نماذج مختلفة، مما يؤدي إلى إجابات أكثر شمولاً وتفصيلاً لاستفسارات المستخدمين. يدعم الخادم تعيين أدوار أو شخصيات مختلفة لكل نموذج، وتخصيص مطالبات النظام، ويُدمج بسلاسة مع بيئات مثل Claude لسطح المكتب. كما يعزز سير عمل المطورين من خلال تسهيل مهام مثل تجميع آراء النماذج، دعم اتخاذ القرارات المتقدمة، وتوفير معلومات سياقية أكثر ثراءً من مصادر ذكاء اصطناعي متعددة.

قائمة المطالبات

• ⛔ لا توجد قوالب مطالبات موثقة في المستودع أو ملف README.

قائمة الموارد

• ⛔ لا توجد موارد MCP محددة مذكورة في المستودع أو الوثائق.

قائمة الأدوات

• ⛔ لا يوفر المستودع قائمة مباشرة بالأدوات في ملف server.py أو ما شابه، كما لم يتم توثيق واجهات الأدوات بشكل صريح في README أو شجرة الملفات الظاهرة.

حالات الاستخدام لهذا الخادم MCP

• تجميع آراء النماذج: يمكن للمطورين استخدام الخادم للحصول على وجهات نظر متعددة من نماذج Ollama مختلفة حول سؤال واحد، مما يؤدي إلى قرارات أكثر توازناً ووعيًا.
• الاستعلام بناءً على الأدوار: يتيح تعيين أدوار أو شخصيات مختلفة لكل نموذج محاكاة وجهات نظر خبراء متنوعة لتحليل السيناريوهات أو العصف الذهني.
• نظرة عامة على النماذج في النظام: من خلال عرض جميع نماذج Ollama المتاحة على النظام، يمكن للمستخدمين اختيار أفضل تركيبة لحالة الاستخدام الخاصة بهم.
• اتخاذ قرارات تعاونية عبر الذكاء الاصطناعي: يساعد نهج “مجلس المستشارين” في توليف نتائج النماذج المتنوعة، وهو مفيد في حل المشكلات المعقدة أو عند الحاجة إلى توافق الآراء.
• تكامل سير العمل: يتيح التكامل السلس مع Claude لسطح المكتب وعملاء MCP الآخرين تعزيز إنتاجية المطور والوصول السهل إلى رؤى متعددة النماذج.

كيفية إعداده

Windsurf

1. تأكد من تثبيت Node.js 16.x أو أحدث.
2. قم بتثبيت وتشغيل Ollama، وتأكد من توفر النماذج المطلوبة.
3. حرر ملف إعدادات Windsurf لإضافة خادم MCP مستشار النماذج المتعددة.
4. أضف المقطع التالي إلى قسم mcpServers:

   {
     "multi-ai-advisor-mcp": {
       "command": "npx",
       "args": ["@YuChenSSR/multi-ai-advisor-mcp@latest"],
       "env": {
         "OLLAMA_HOST": "http://localhost:11434"
       }
     }
   }
   

5. احفظ الإعدادات وأعد تشغيل Windsurf.
6. تحقق من أن الخادم يعمل ويمكن الوصول إليه.

Claude

1. ثبّت Node.js 16.x أو أحدث.
2. تأكد من تشغيل Ollama وسحب النماذج المطلوبة.
3. استخدم Smithery لتثبيت سريع بخطوة واحدة:

   npx -y @smithery/cli install @YuChenSSR/multi-ai-advisor-mcp --client claude
   

4. أو، أضف هذا المقطع إلى إعدادات Claude MCP:

   {
     "multi-ai-advisor-mcp": {
       "command": "npx",
       "args": ["@YuChenSSR/multi-ai-advisor-mcp@latest"],
       "env": {
         "OLLAMA_HOST": "http://localhost:11434"
       }
     }
   }
   

5. احفظ وأعد تشغيل Claude، ثم تحقق من التكامل.

Cursor

1. ثبّت Node.js و Ollama.
2. حرر إعدادات خادم MCP في Cursor لتتضمن:

   {
     "multi-ai-advisor-mcp": {
       "command": "npx",
       "args": ["@YuChenSSR/multi-ai-advisor-mcp@latest"],
       "env": {
         "OLLAMA_HOST": "http://localhost:11434"
       }
     }
   }
   

3. احفظ الإعدادات، أعد تشغيل Cursor، وتحقق من توفر MCP.

Cline

1. تأكد من المتطلبات الأساسية: Node.js، Ollama، النماذج المطلوبة.
2. حدد موقع ملف إعدادات MCP في Cline وقم بتحريره.
3. أضف:

   {
     "multi-ai-advisor-mcp": {
       "command": "npx",
       "args": ["@YuChenSSR/multi-ai-advisor-mcp@latest"],
       "env": {
         "OLLAMA_HOST": "http://localhost:11434"
       }
     }
   }
   

4. احفظ، أعد تشغيل Cline، وتأكد من أن MCP يعمل.

تأمين مفاتيح API

لتأمين مفاتيح API أو متغيرات البيئة الحساسة، استخدم حقل env في الإعدادات:

{
  "multi-ai-advisor-mcp": {
    "command": "npx",
    "args": ["@YuChenSSR/multi-ai-advisor-mcp@latest"],
    "env": {
      "OLLAMA_HOST": "http://localhost:11434",
      "MY_SECRET_API_KEY": "${MY_SECRET_API_KEY}"
    }
  }
}

قم بتعيين متغيرات البيئة في نظام التشغيل أو في خط أنابيب CI/CD لتجنب كتابتها مباشرة في الشيفرة.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عملك على FlowHunt، ابدأ بإضافة مكون MCP إلى التدفق الخاص بك وربطه بوكيل الذكاء الاصطناعي:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعداد MCP للنظام، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق من JSON:

{
  "multi-ai-advisor-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد الإعداد، سيتمكن وكيل الذكاء الاصطناعي الآن من استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “multi-ai-advisor-mcp” إلى اسم خادم MCP الخاص بك واستبدال الرابط بعنوان خادم MCP الخاص بك.

نظرة عامة

رأينا

خادم MCP مستشار النماذج المتعددة موثق جيدًا من حيث الإعداد ويوفر نهج “مجلس المستشارين” الفريد، لكنه يفتقر للشفافية بخصوص المطالبات والموارد والأدوات. قيمته عالية في تدفقات اتخاذ القرار متعددة النماذج، لكن المزيد من التفاصيل التقنية سيحسن من جودته. أقيم هذا MCP بـ 6 من 10 بناءً على الجدولين، حيث يغطي الأساسيات ويقدم حالة استخدام مقنعة، ولكنه يفتقر للعمق في التوثيق التقني.

تقييم MCP