iflow-mcp_LZMW-mcp-aurai-advisor 2.2.0

上级顾问 MCP 服务器 - 让本地AI获取远程AI指导

上级顾问 MCP (Aurai Advisor)

让本地 AI 获取远程 AI 指导的 MCP 服务器

版本: v2.2.0 (重构与文件上传修复) 状态: [OK] 生产就绪 发布日期: 2026-01-24 优化模型: GLM-4.7 (智谱 AI)

---

功能特点

• [OK] 多轮对话机制 - 智能追问，逐步解决问题
• [OK] 智能对话管理 - 自动检测新问题并清空历史，确保干净的上下文
• [OK] 智能工具引导 - 工具描述中包含相关工具推荐
• [OK] 文件上传支持 ⭐ - 支持通过 sync_context 上传文件，大文件自动分批发送
• [OK] GLM-4.7 优化 - 基于 GLM-4.7 模型参数硬编码优化（200K 上下文）
• [OK] 对话历史持久化 - 自动保存到用户目录
• [OK] GUI 配置工具 - 可视化配置生成

---

v2.2.0 更新说明

⚠️ 重要：旧版用户迁移指南

如果您已经安装了 v2.1.x 或更早版本，请注意以下迁移事项：

情况 1：使用 custom provider（OpenAI 兼容 API）的用户 ✅

好消息：无需重新安装或重新配置！

# 只需升级版本即可
cd D:\mcp-aurai-server
git pull origin main
pip install -e ".[all-dev]"

# 重启 Claude Code，自动生效

• ✅ 新的环境变量（AURAI_CONTEXT_WINDOW、AURAI_MAX_MESSAGE_TOKENS、AURAI_MAX_TOKENS）是可选的
• ✅ 默认值已针对 GLM-4.7 优化（200K 上下文）
• ✅ 文件上传修复是透明的，会自动生效

情况 2：使用 zhipu、openai、anthropic、gemini provider 的用户 ❌

需要迁移：v2.2.0 移除了这些 provider，需要切换到 custom + OpenAI 兼容 API。

迁移步骤（以智谱 AI 为例）：

# 1. 删除旧配置
claude mcp remove aurai-advisor -s user

# 2. 重新添加（使用 custom provider）
claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="your-api-key" \
  --env AURAI_BASE_URL="https://open.bigmodel.cn/api/paas/v4/" \
  --env AURAI_MODEL="glm-4.7" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

# 3. 重启 Claude Code

各服务商迁移配置：

原提供商	新 AURAI_BASE_URL	推荐模型
zhipu	https://open.bigmodel.cn/api/paas/v4/	glm-4.7
openai	https://api.openai.com/v1	gpt-4o
anthropic	需使用第三方兼容 API	-
gemini	需使用第三方兼容 API	-

提示：升级后，建议运行 python .ai_temp/test_file_upload_fix.py 验证文件上传功能是否正常。

---

重大变更

1. 简化服务商支持

   • ✅ 只保留 custom provider（OpenAI 兼容 API）
   • ❌ 移除 zhipu、openai、anthropic、gemini 直接支持
   • ✅ 所有兼容 OpenAI API 的服务均可使用

2. 文件上传功能修复 ⭐

   • ✅ 修复 sync_context 文件内容未发送给上级 AI 的问题
   • ✅ 大文件自动分批发送（超过 max_message_tokens 时）
   • ✅ 动态 Token 估算，根据配置自动调整

3. GLM-4.7 模型优化 🎯

   • ✅ 基于 GLM-4.7 模型参数设置默认值
   • ✅ 上下文窗口：200,000 tokens（默认）
   • ✅ 单条消息上限：150,000 tokens（默认）
   • ✅ 最大输出：32,000 tokens（默认）
   • ✅ 支持通过环境变量覆盖（适用于其他模型）

---

GLM-4.7 Token 配置说明

本版本采用 GLM-4.7 模型参数作为默认值，同时支持通过环境变量覆盖（适用于其他模型）：

配置项	默认值	环境变量	说明
context_window	200,000	AURAI_CONTEXT_WINDOW	GLM-4.7 上下文窗口上限
max_message_tokens	150,000	AURAI_MAX_MESSAGE_TOKENS	单条文件消息上限
max_tokens	32,000	AURAI_MAX_TOKENS	上级 AI 最大输出长度

Token 分配策略：

200K (总上下文)
├── 32K (输出) - 上级 AI 的分析回复
└── 168K (输入)
    ├── ~18K (系统 + 历史 + 问题)
    ├── 150K (最大单条文件)
    └── ~ - 安全边际

容量参考：

• 单文件上传上限：~15-20 万中文字符
• 上级 AI 输出上限：~2-3 万中文字符
• 对话历史：约 10-15 轮完整对话

注意：默认值基于 GLM-4.7 优化，使用其他模型时可通过环境变量调整。

---

快速开始

1. 安装

# 进入项目目录
cd mcp-aurai-server

# 创建虚拟环境
python -m venv venv
venv\Scripts\activate  # Windows
# source venv/bin/activate  # macOS/Linux

# 安装依赖
pip install -e ".[all-dev]"

# 验证安装
python .ai_temp/test_file_upload_fix.py
# 预期: ✅ 所有测试通过！

2. 配置

重要: 使用 --scope user 确保在所有项目中都可用。

claude mcp add --scope user --transport stdio aurai-advisor \
  --env AURAI_API_KEY="your-api-key" \
  --env AURAI_BASE_URL="https://api.example.com/v1" \
  --env AURAI_MODEL="gpt-4o" \
  -- "D:\mcp-aurai-server\venv\Scripts\python.exe" "-m" "mcp_aurai.server"

3. 使用

重启 Claude Code 后，在对话中直接描述编程问题：

我遇到了一个 KeyError 问题，错误信息是 'api_key' not found
相关代码如下：
[粘贴代码]

AI 会自动判断是否调用 consult_aurai 工具。

---

MCP 工具

consult_aurai（主要工具）

请求上级 AI 指导解决编程问题

参数:

• problem_type: 问题类型（runtime_error/syntax_error/design_issue/other）
• error_message: 错误描述
• code_snippet: 代码片段（可选）
• context: 上下文信息（可选）
• is_new_question: 是否为新问题（可选，默认false）

返回: 上级 AI 的分析和建议

🔗 相关工具:

• sync_context：上传文档或代码文件（支持 .md 和 .txt）
• report_progress：报告执行进度并获取下一步指导
• get_status：查看当前对话状态、配置信息

对话历史管理:

• 自动清空: 当上级AI返回 resolved=true 时，自动清空对话历史
• 手动清空: 设置 is_new_question=true 强制清空历史
• 历史限制: 最多保存50条历史记录

sync_context ⭐

同步代码上下文，上传文件供上级 AI 阅读

参数:

• operation: 操作类型（full_sync/incremental/clear）
• files: 文件路径列表（支持 .txt 和 .md）
• project_info: 项目信息字典（可选）

功能特性:

• 📄 支持上传 Markdown 和文本文件
• 🔄 大文件自动分批发送（避免超出 Token 限制）
• 📏 智能 Token 估算（中文 1.5字/token，英文 4字/token）

典型使用场景:

# 场景 1: 上传代码文件（避免截断）
shutil.copy('main.py', 'main.txt')  # 转换为 .txt
sync_context(
    operation='incremental',
    files=['main.txt'],
    project_info={'language': 'Python'}
)

# 场景 2: 上传文档供评审
sync_context(
    operation='full_sync',
    files=['README.md', 'docs/设计文档.md'],
    project_info={'task': 'code_review'}
)

report_progress

报告执行进度

参数:

• actions_taken: 已执行的行动
• result: 执行结果（success/failed/partial）

get_status

获取当前状态

返回:

• 对话历史数量
• 模型配置
• Token 限制配置

---

文档

文档	说明
用户手册	完整使用指南
安装指南	Claude Code 专用安装
开发文档	技术细节和架构

---

环境变量

必填

变量	说明	示例
AURAI_API_KEY	API 密钥	sk-xxx
AURAI_BASE_URL	API 地址	https://open.bigmodel.cn/api/paas/v4/
AURAI_MODEL	模型名称	glm-4.7

可选

变量	说明	默认值
AURAI_TEMPERATURE	温度参数（0.0-2.0）	0.7
AURAI_MAX_HISTORY	对话历史最大保存数	50
AURAI_CONTEXT_WINDOW	上下文窗口大小（tokens）	200000（基于 GLM-4.7）
AURAI_MAX_MESSAGE_TOKENS	单条消息最大 tokens	150000
AURAI_MAX_TOKENS	最大输出 tokens	32000

Token 配置说明

默认值（基于 GLM-4.7）：

• context_window: 200,000 tokens
• max_message_tokens: 150,000 tokens
• max_tokens: 32,000 tokens

其他模型参考：

• Claude 3.5 Sonnet: 200,000 / 140,000 / 64,000
• GPT-4o: 128,000 / 100,000 / 32,000
• DeepSeek: 64,000 / 50,000 / 16,000

配置示例

# 使用智谱 AI GLM-4.7（推荐，使用默认值）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
AURAI_MODEL=glm-4.7
# Token 配置使用默认值，无需设置

# 使用 Claude 3.5 Sonnet（调整 Token 配置）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://api.anthropic.com
AURAI_MODEL=claude-3-5-sonnet-20241022
AURAI_CONTEXT_WINDOW=200000
AURAI_MAX_MESSAGE_TOKENS=140000
AURAI_MAX_TOKENS=64000

# 使用 DeepSeek（调整 Token 配置）
AURAI_API_KEY=your-api-key
AURAI_BASE_URL=https://api.deepseek.com/v1
AURAI_MODEL=deepseek-chat
AURAI_CONTEXT_WINDOW=64000
AURAI_MAX_MESSAGE_TOKENS=50000
AURAI_MAX_TOKENS=16000

# 使用其他兼容 API
AURAI_API_KEY=your-key
AURAI_BASE_URL=https://your-api.com/v1
AURAI_MODEL=your-model
# 根据模型规格调整 Token 配置

---

项目结构

mcp-aurai-server/
├── src/mcp_aurai/          # MCP Server 源代码
│   ├── server.py           # 主服务器（4个工具）
│   ├── config.py           # 配置管理
│   ├── llm.py              # OpenAI 兼容客户端
│   ├── prompts.py          # 提示词模板
│   └── utils.py            # 工具函数
│
├── tools/
│   └── control_center.py   # GUI 配置工具
│
├── tests/                  # 测试用例
│   ├── test_server.py
│   ├── test_llm.py
│   └── test_config.py
│
├── docs/                   # 文档
│   ├── 用户手册.md
│   ├── CLAUDE_CODE_INSTALL.md
│   └── 开发文档.md
│
├── README.md               # 本文件
├── pyproject.toml          # 项目配置
└── .env.example            # 环境变量示例

---

故障排查

每次打开 Claude Code 都要重新安装？

原因：使用了本地范围（local），只在特定目录可用。

解决方案：使用 --scope user 重新安装

claude mcp remove aurai-advisor -s local
claude mcp add --scope user ...

MCP 工具没有出现

claude mcp list                          # 检查配置
claude mcp remove aurai-advisor -s local # 删除旧配置
claude mcp add --scope user ...          # 重新添加

ModuleNotFoundError

cd D:\mcp-aurai-server
python -m venv venv                      # 创建虚拟环境
venv\Scripts\activate
pip install -e ".[all-dev]"              # 安装项目

401 Unauthorized

• 检查 API 密钥是否正确
• 访问提供商平台重新生成密钥

404 Model not found

• 检查模型名称拼写
• 使用提供商 API 确认可用模型

文件内容未发送给上级 AI

• 确保 sync_context 调用成功
• 查看日志中的 "文件已拆分为 X 个片段" 消息
• 检查 AURAI_MAX_MESSAGE_TOKENS 配置

---

测试

# 运行文件上传功能测试
python .ai_temp/test_file_upload_fix.py

# 运行所有测试
pytest tests/ -v

# 运行特定测试
pytest tests/test_server.py -v
pytest tests/test_llm.py -v
pytest tests/test_config.py -v

# 查看测试覆盖率
pytest tests/ --cov=src/mcp_aurai --cov-report=html

---

获取帮助

• 用户手册: docs/用户手册.md
• 安装指南: docs/CLAUDE_CODE_INSTALL.md
• 开发文档: docs/开发文档.md

---

许可证

MCP Aurai Server 双重许可协议

---

项目名称: mcp-aurai-server 版本: v2.2.0 状态: [OK] 生产就绪 发布日期: 2026-01-24