Çoklu-Model Danışmanı MCP Sunucusu

“Çoklu-Model Danışmanı” MCP Sunucusu ne işe yarar?

Çoklu-Model Danışmanı MCP Sunucusu, birden fazla yerel Ollama modeliyle yapay zeka asistanlarını bağlamak için tasarlanmış bir Model Context Protocol (MCP) sunucusudur; böylece aynı anda çeşitli modelleri sorgulayıp yanıtlarını birleştirebilirler. “Danışmanlar konseyi” olarak tanımlanan bu yaklaşım, Claude gibi yapay zeka sistemlerinin farklı modellerden çeşitli bakış açılarını sentezlemesini sağlar ve kullanıcı sorularına daha kapsamlı, incelikli yanıtlar üretir. Sunucu, her modele farklı rol veya kişilik atama, sistem istemlerini özelleştirme gibi olanaklar sunar ve Claude for Desktop gibi ortamlarla sorunsuz entegre olur. Model görüşlerinin birleştirilmesi, gelişmiş karar destek süreçleri ve birden fazla yapay zeka kaynağından zengin bağlamsal bilgi sağlama gibi geliştirici iş akışlarını kolaylaştırır.

İstem Listesi

• ⛔ Depoda veya README’de açıkça belgelenmiş bir istem şablonu yoktur.

Kaynak Listesi

• ⛔ Depoda veya belgelerde özel bir MCP kaynağı listelenmemiştir.

Araç Listesi

• ⛔ Depoda server.py veya benzeri bir dosyada doğrudan araç listesi yoktur, README’de veya dosya ağacında da açıkça belgelenmiş değildir.

Bu MCP Sunucusunun Kullanım Alanları

• Birleştirilmiş Model Görüşleri: Geliştiriciler, tek bir soru üzerinde farklı Ollama modellerinden çoklu bakış açıları elde ederek daha dengeli ve bilinçli kararlar alabilirler.
• Rol Tabanlı Sorgulama: Her modele farklı rol veya kişilik atanarak, senaryo analizi veya beyin fırtınası için çeşitli uzman bakış açıları simüle edilebilir.
• Sistem Modeli Genel Bakış: Sistemdeki tüm mevcut Ollama modelleri görüntülenerek, kullanıcılar kendi özel kullanım amaçları için en iyi kombinasyonu seçebilirler.
• İş Birliğine Dayalı Yapay Zeka Karar Verme: “Danışmanlar konseyi” yaklaşımı, çeşitli model çıktılarının sentezinde yardımcı olur; bu, karmaşık problem çözmede veya fikir birliği gerektiğinde değerlidir.
• İş Akışı Entegrasyonu: Claude for Desktop ve diğer MCP uyumlu istemciler ile sorunsuz entegrasyon, geliştirici verimliliğini artırır ve çoklu-model içgörülere kolay erişim sağlar.

Kurulum Nasıl Yapılır

Windsurf

1. Node.js 16.x veya üzerinin kurulu olduğundan emin olun.
2. Ollama’yı kurup çalıştırın ve gerekli modellerin mevcut olduğuna emin olun.
3. Windsurf yapılandırma dosyanızı düzenleyip Çoklu-Model Danışmanı MCP Sunucusunu ekleyin.
4. mcpServers bölümünüze aşağıdaki JSON parçasını ekleyin:

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

5. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
6. Sunucunun çalıştığını ve erişilebilir olduğunu doğrulayın.

Claude

1. Node.js 16.x veya üzerini kurun.
2. Ollama’nın çalıştığından ve gerekli modellerin çekildiğinden emin olun.
3. Tek adımda kurulum için Smithery kullanın:

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

4. Alternatif olarak, bu bloğu Claude MCP yapılandırmanıza ekleyin:

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

5. Kaydedin ve Claude’u yeniden başlatın, ardından entegrasyonu doğrulayın.

Cursor

1. Node.js ve Ollama’yı kurun.
2. Cursor’ın MCP sunucu yapılandırmasına şunu ekleyin:

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

3. Yapılandırmayı kaydedin, Cursor’ı yeniden başlatın ve MCP’nin kullanılabilirliğini doğrulayın.

Cline

1. Ön koşullar: Node.js, Ollama ve gerekli modeller kurulu olmalı.
2. Cline’ın MCP yapılandırma dosyasını bulun ve düzenleyin.
3. Şunu ekleyin:

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

4. Kaydedin, Cline’ı yeniden başlatın ve MCP’nin çalıştığını doğrulayın.

API Anahtarlarını Güvenli Saklama

API anahtarlarınızı veya hassas ortam değişkenlerinizi güvenli saklamak için yapılandırmanızda env alanını kullanın:

{
  "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}"
    }
  }
}

Gizli değişkenlerinizi doğrudan kodda veya yapılandırmada yazmak yerine işletim sisteminizde veya CI/CD hattınızda ayarlayın.

Bu MCP’yi akışlarınızda nasıl kullanabilirsiniz

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, MCP bileşenini akışınıza ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne aşağıdaki JSON formatında sunucu bilgilerinizi girin:

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

Yapılandırdıktan sonra, AI ajanı artık bu MCP’yi tüm işlev ve yeteneklerine erişebilen bir araç olarak kullanabilir. “multi-ai-advisor-mcp” ifadesini kendi MCP sunucunuzun adıyla, URL’yi de kendi MCP sunucu adresinizle değiştirmeniz gerektiğini unutmayın.

Genel Bakış

Bizim Görüşümüz

Çoklu-Model Danışmanı MCP, kurulum açısından iyi belgelenmiş ve benzersiz bir “danışmanlar konseyi” yaklaşımı sunuyor; ancak istemler, kaynaklar ve araçlar konusunda şeffaflık eksik. Çoklu-model karar iş akışları için değeri yüksek olsa da, daha fazla teknik ayrıntı dokümantasyonu geliştirebilir. İki tabloya göre bu MCP’ye 6/10 puan veririm; temel gereklilikleri karşılıyor ve ilgi çekici bir kullanım sunuyor, fakat teknik doküman derinliği az.

MCP Puanı