多模型顾问 MCP 服务器

“多模型顾问” MCP 服务器的作用是什么？

多模型顾问 MCP 服务器是一款模型上下文协议（MCP）服务器，旨在连接 AI 助手与多个本地 Ollama 模型，使其能够同时查询多个模型并整合它们的回复。这种被称为“顾问委员会”的方式，让像 Claude 这样的 AI 系统可以综合不同模型的多元观点，从而为用户问题提供更全面、更细致的答案。服务器支持为每个模型分配不同的角色或人设、自定义系统提示，并可与 Claude for Desktop 等环境无缝集成。它通过聚合模型观点、支持高级决策并提供来自多源 AI 的丰富上下文信息，极大提升了开发工作流效率。

提示词清单

• ⛔ 仓库或 README 中未记录明确的提示词模板。

资源清单

• ⛔ 仓库或文档中未列出具体的 MCP 资源。

工具清单

• ⛔ 仓库中未在 server.py 或类似文件提供工具清单，README 或文件树中也未明确说明工具接口。

本 MCP 服务器的应用场景

• 聚合模型观点：开发者可利用该服务器对同一问题从多种 Ollama 模型获得多角度答案，从而做出更均衡、更明智的决策。
• 基于角色的查询：为每个模型分配不同的角色或人设，可模拟多专家视角进行情景分析或头脑风暴。
• 系统模型总览：查看系统上所有可用的 Ollama 模型，用户可为特定需求选择最佳组合。
• 协作式 AI 决策：“顾问委员会”方式有助于综合多模型的输出，适用于复杂问题解决或需达成共识的场景。
• 工作流集成：与 Claude for Desktop 及其他兼容 MCP 的客户端无缝对接，提升开发者生产力，便捷获取多模型洞察。

如何搭建

Windsurf

1. 确保已安装 Node.js 16.x 或更高版本。
2. 安装并运行 Ollama，并确保所需模型已准备好。
3. 编辑你的 Windsurf 配置文件，添加多模型顾问 MCP 服务器。
4. 在 mcpServers 部分加入以下 JSON 片段：

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

5. 保存配置并重启 Windsurf。
6. 验证服务器是否正常运行并可访问。

Claude

1. 安装 Node.js 16.x 或更高版本。
2. 确保 Ollama 正在运行并已拉取所需模型。
3. 使用 Smithery 一键安装：

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

4. 或将以下内容添加到你的 Claude MCP 配置中：

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

5. 保存并重启 Claude，然后验证集成效果。

Cursor

1. 安装 Node.js 和 Ollama。
2. 编辑 Cursor 的 MCP 服务器配置，包含如下内容：

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

3. 保存配置，重启 Cursor 并验证 MCP 可用性。

Cline

1. 确保已安装 Node.js、Ollama 及所需模型。
2. 定位并编辑 Cline 的 MCP 配置文件。
3. 添加如下内容：

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

4. 保存、重启 Cline 并确认 MCP 正常工作。

密钥安全

如需保护 API 密钥或敏感环境变量，请在配置中使用 env 字段：

{
  "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}"
    }
  }
}

请在操作系统或 CI/CD 流水线中设定环境变量，避免明文写入密钥。

如何在流程中使用 MCP

在 FlowHunt 中集成 MCP

要将 MCP 服务器集成到 FlowHunt 的工作流中，请先在你的流程中添加 MCP 组件，并将其连接到你的 AI 代理上：

点击 MCP 组件以打开配置面板。在系统 MCP 配置区，按如下 JSON 格式插入你的 MCP 服务器详情：

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

配置完成后，AI 代理即可作为工具使用该 MCP，享受其所有功能和能力。请记得将 “multi-ai-advisor-mcp” 替换为你的 MCP 服务器实际名称，并将 URL 替换为你自己的 MCP 服务器地址。

概览

我们的观点

多模型顾问 MCP 在搭建方面文档详尽，独特的“顾问委员会”方式也很有价值，但在提示词、资源和工具的透明度方面略有欠缺。对于多模型决策工作流来说价值极高，但若能提供更多技术细节会更好。综合表格评价，我给这个 MCP 打 6/10，基础内容齐全且应用场景吸引人，但技术文档还有提升空间。

MCP 评分