by mai-yyy
一个让 Claude Code 调用 Codex 干活,并可以同时调用多个模型(GPT、Kimi、DeepSeek 等)的 MCP 工具。
# Add to your Claude Code skills
git clone https://github.com/mai-yyy/multi-llm-mcpGuides for using mcp servers skills like multi-llm-mcp.
Last scanned: 6/13/2026
{
"issues": [],
"status": "PASSED",
"scannedAt": "2026-06-13T07:46:22.724Z",
"npmAuditRan": true,
"pipAuditRan": true,
"promptInjectionRan": true
}multi-llm-mcp is an open-source mcp servers skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by mai-yyy. 一个让 Claude Code 调用 Codex 干活,并可以同时调用多个模型(GPT、Kimi、DeepSeek 等)的 MCP 工具。. It has 117 GitHub stars.
Yes. multi-llm-mcp passed SkillsLLM's automated security scan — a dependency vulnerability audit plus prompt-injection heuristics — with no high-severity issues. You can read the full report in the Security Report section on this page.
Clone the repository with "git clone https://github.com/mai-yyy/multi-llm-mcp" and add it to your Claude Code skills directory (see the Installation section above).
multi-llm-mcp is primarily written in Python. It is open-source under mai-yyy on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other MCP Servers skills you can browse and compare side by side. Open the MCP Servers category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh multi-llm-mcp against similar tools.
No comments yet. Be the first to share your thoughts!
Top skills in this category by stars
一个用于 Claude Code 的 MCP 工具,支持通过 MCP 调用 Codex CLI 执行任务,并支持多个模型(GPT、Kimi、DeepSeek、Qwen 等)并行调用。
本项目基于 FastMCP 开发,主要解决两个问题:
job_id + wait_codex 的方式等待长任务完成,避免 MCP 客户端单次工具调用超时。read-only、workspace-write、danger-full-access 三种级别。session_id 保持多轮上下文。job_id,后续继续通过 wait_* 工具等待结果。health_check 用于检查运行环境、Codex CLI 是否可用、各模型 API Key 是否配置等(不返回任何 key 内容)。| 工具名 | 作用 |
|---|---|
ask |
调用单个模型,支持多轮会话 |
ask_many |
同时调用多个模型 |
wait_many |
继续等待多模型并行调用任务 |
review |
让多个模型同时分析同一段内容 |
ask_codex |
调用 Codex CLI 执行任务 |
wait_codex |
继续等待 Codex CLI 任务 |
clear_session |
清除指定会话 |
clear_all_sessions |
清除全部会话 |
list_sessions |
查看当前内存中的会话 |
health_check |
检查 MCP 服务运行状态 |
安装依赖:
pip install fastmcp openai
如果需要使用 ask_codex,还需确保本机已安装 Codex CLI,并能在命令行直接运行:
codex
另外,在用 ask_codex 调度 Codex 之前,确保 Codex CLI 已经登录过账号(首次使用前先在命令行运行 codex 完成登录),否则任务会因为未认证而失败。
项目中通过 PROVIDERS 配置不同模型服务,例如 DeepSeek、Kimi、Qwen、GPT 等。推荐使用环境变量保存模型密钥:
| 模型 | 环境变量 |
|---|---|
| DeepSeek | DEEPSEEK_API_KEY |
| Kimi(Moonshot) | MOONSHOT_API_KEY |
| Qwen(DashScope) | DASHSCOPE_API_KEY |
| GPT(OpenAI) | OPENAI_API_KEY |
| Claude(Anthropic,可选) | ANTHROPIC_API_KEY |
在 Windows 上可以用 setx 把这些设为用户级环境变量(设完需重开终端 / 重启 Claude Code 才生效),按你要用的模型设即可:
setx OPENAI_API_KEY "your-key"
setx DEEPSEEK_API_KEY "your-key"
(MOONSHOT_API_KEY / DASHSCOPE_API_KEY / ANTHROPIC_API_KEY 同理。)
如果只是自己本地快速验证,也可以临时把 key 写到代码里的 PROVIDERS 中,方便测试。但不要把包含 key 的代码上传到 GitHub,也不要发给别人。准备开源或分享前,应改成环境变量方式,或确认代码中已经没有真实 key。
代码里 PROVIDERS 的 claude 块默认是注释状态。要启用 Claude:
PROVIDERS 中的 claude 块;"claude" 加进 ModelName;ANTHROPIC_API_KEY。它走的是 Anthropic 的 OpenAI 兼容端点(base_url="https://api.anthropic.com/v1/"),模型名填 Claude 的名称即可(如 claude-opus-4-7、claude-sonnet-4-6、claude-haiku-4-5)。
小技巧:服务本身跑在 Claude Code 里,所以你可以反过来调度别的 Claude——比如用更便宜的 Haiku 去跑并行的苦力活,或者要一个干净上下文、不被当前对话带偏的 Claude 来做二次判断。
在 Claude Code 中,推荐直接用 claude mcp add 命令添加本项目。基本格式:
claude mcp add --scope user llm-mix -- python /absolute/path/to/LLM_MIX.py
其中:
llm-mix 是这个 MCP 服务的名字,可以自己改。--scope user 表示该 MCP 对当前用户全局可用,不只限于某一个项目。python 是 Python 启动命令。/absolute/path/to/LLM_MIX.py 替换成你本地 LLM_MIX.py 的绝对路径。Windows 示例:
claude mcp add --scope user llm-mix -- python "C:\path\to\LLM_MIX.py"
如果上面那条添加后用不了(通常是 python 不在 PATH 上,或指向了别的 Python 环境),改用下面这条、写上 Python 解释器的完整路径:
claude mcp add --scope user llm-mix -- "C:\path\to\python.exe" "C:\path\to\LLM_MIX.py"
添加完成后,可以用下面的命令查看是否添加成功:
claude mcp list
进入 Claude Code 后,也可以输入 /mcp 查看 MCP 服务是否已连接。
连接 MCP 后,可以直接让 Claude Code 使用这些能力:
用 Codex 查看当前项目结构。
让 Codex 在当前目录创建一个测试文件。
让 Codex 修改这个 Python 文件,修复明显的异常处理问题。
把这个问题同时发给 GPT、Kimi、DeepSeek 和 Qwen。
让多个模型一起分析这个方案有没有明显问题。
让 DeepSeek 单独解释这段代码。
如果任务较长,工具可能会返回:
{
"success": true,
"status": "running",
"job_id": "xxxx",
"message": "任务仍在运行,使用 wait_codex 继续等待"
}
这时继续调用对应的 wait_codex 或 wait_many 即可。
read-only。workspace-write。danger-full-access,因为这个模式会给 Codex 更高的本机权限。ask_codex 依赖本机 Codex CLI。health_check 查看)。job_id + wait_* 的方式继续等待。本项目在 LINUX DO 社区分享与讨论,感谢社区佬友的反馈与建议。
MIT License