mcp-model-proxy

一个最小的本地 MCP Server，把任意兼容 Claude Messages API 的上游包装成统一的 MCP 工具 ask_model。

注意：本项目转发的是 Claude Messages API 格式的请求。其他服务（如 OpenAI、Gemini 原生 API）与此格式不兼容，直接填入不会生效。部分中转服务或网关会把 Claude Messages API 格式转发给 GPT/Gemini，这类服务可以用，但兼容性由中转服务保证，与本项目无关。

不负责账号管理、provider 切换或流式输出。就一件事：把上游接口变成 MCP 工具，让 MCP Inspector、编辑器插件或其他支持 MCP 的客户端能直接调用。

运行模式：本项目使用 stdio 传输，必须由宿主客户端以子进程方式启动（即在 MCP 配置里指定 command 和 args）。直接运行 node server.mjs 不会监听任何端口，进程会挂起等待 stdin 输入，这是正常行为。

系统要求

Node.js 18+
npm 7+
可访问兼容 Claude Messages API 的上游服务的网络环境（Node.js 默认不走系统代理，如需代理请设置 HTTPS_PROXY 环境变量）

依赖包：

@modelcontextprotocol/sdk
zod

快速开始

1. 安装依赖

npm install

2. 设置环境变量

Windows PowerShell:

$env:CLAUDE_MCP_BASE_URL = "https://your-base-url"
$env:CLAUDE_MCP_API_KEY = "your-token"
$env:CLAUDE_MCP_MODEL = "claude-sonnet-4-5"
$env:CLAUDE_MCP_ANTHROPIC_VERSION = "2023-06-01"
$env:CLAUDE_MCP_TIMEOUT_MS = "60000"

其中 CLAUDE_MCP_ANTHROPIC_VERSION 和 CLAUDE_MCP_TIMEOUT_MS 是可选项。参考 .env.example 维护自己的本地模板，不要把真实 token 提交到仓库。

3. 用 Inspector 测试

以下命令为 PowerShell 格式（Windows），macOS/Linux 请将行末的 ` 换成 \：

npx @modelcontextprotocol/inspector --cli `
  node /path/to/mcp-model-proxy/server.mjs `
  --method tools/call `
  --tool-name ask_model `
  --tool-arg "prompt=介绍一下你自己"

4. 预期结果

// 示意，非真实数据，实际 token 数取决于模型和 prompt
{
  "model": "claude-sonnet-4-5",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 100,
    "output_tokens": 76
  },
  "text": "..."
}

项目结构

mcp-model-proxy/
├─ examples/
│  ├─ assets/
│  │  ├─ core-call-flow.drawio
│  │  └─ core-call-flow.svg
│  ├─ mcp-client-config.windows.json
│  ├─ mcp-client-config.macos.json
│  └─ inspector-powershell.md
├─ .env.example
├─ .gitignore
├─ CHANGELOG.md
├─ LICENSE
├─ package.json
├─ package-lock.json
├─ server.mjs
└─ README.md

其中：

server.mjs 是 MCP Server 主入口
examples/mcp-client-config.*.json 是不同平台的宿主客户端配置示例
examples/assets/ 放 README 用到的流程图源文件和导出图

核心调用流程

mcp-model-proxy 核心调用流程

可编辑源文件见 ./examples/assets/core-call-flow.drawio，后续如果要改节点文案、配色或布局，可以直接用 draw.io 或 next-ai-draw-io 打开继续调整。

工作原理

环境变量

| 变量 | 必填 | 说明 | |------|------|------| | CLAUDE_MCP_BASE_URL | 是 | Claude 兼容上游地址 | | CLAUDE_MCP_API_KEY | 是 | 上游 API Key | | CLAUDE_MCP_MODEL | 否 | 默认模型，默认 claude-sonnet-4-5 | | CLAUDE_MCP_ANTHROPIC_VERSION | 否 | 默认 2023-06-01 | | CLAUDE_MCP_TIMEOUT_MS | 否 | 上游请求超时，默认 60000，最小 1000 |

URL 自动补全

以下三种写法均可：

https://example.com
https://example.com/v1
https://example.com/v1/messages

请求头

x-api-key: <your-key>
anthropic-version: 2023-06-01
content-type: application/json

返回结构

{
  "model": "claude-sonnet-4-5-20250929",
  "stop_reason": "end_turn",
  "usage": { "input_tokens": 100, "output_tokens": 76 },
  "text": "模型返回的正文"
}

MCP 工具说明

当前只暴露一个工具：ask_model

| 参数 | 类型 | 必填 | 说明 | |------|------|------|------| | prompt | string | 是 | 用户输入 | | system | string | 否 | 系统提示词 | | model | string | 否 | 覆盖默认模型 | | maxTokens | number | 否 | 最大输出 token，默认 1024，上限 65536 |

补充说明：

传入超过 65536 的 maxTokens 不会发到上游，而会在本地参数校验阶段直接报错
真实可用的输出上限仍然取决于你的上游服务和模型本身

调用示例（maxTokens 不传时默认 1024，此处显式设为 512 以演示用法）：

{
  "prompt": "介绍一下你自己",
  "model": "claude-sonnet-4-5",
  "maxTokens": 512
}

使用 system 限定模型行为：

{
  "prompt": "What is MCP?",
  "system": "You are a concise technical assistant. Reply in English only.",
  "maxTokens": 256
}

接入常见 MCP 客户端

这类客户端的接入思路都差不多：

指定启动命令为 node /path/to/mcp-model-proxy/server.mjs
通过环境变量传入上游地址、API Key 和默认模型
在客户端工具列表里调用 ask_model

下面以 Claude Code 这类支持 JSON MCP 配置的客户端为例（Windows，使用 cmd /c 启动；macOS/Linux 见 examples/mcp-client-config.macos.json）：

Windows 上部分 MCP 宿主（如 Claude Code）需要通过 cmd /c 间接调用 node，否则会出现路径解析失败。macOS/Linux 直接用 "command": "node" 即可。

{
  "mcpServers": {
    "mcp-model-proxy": {
      "command": "cmd",
      "args": [
        "/c",
        "node",
        "/path/to/mcp-model-proxy/server.mjs"
      ],
      "env": {
        "CLAUDE_MCP_BASE_URL": "https://your-base-url",
        "CLAUDE_MCP_API_KEY": "your-token",
        "CLAUDE_MCP_MODEL": "claude-sonnet-4-5",
        "CLAUDE_MCP_ANTHROPIC_VERSION": "2023-06-01",
        "CLAUDE_MCP_TIMEOUT_MS": "60000"
      }
    }
  }
}

完整示例见 examples/mcp-client-config.windows.json。
如果你使用的是其他支持 MCP 的宿主，按同样思路把命令、参数和环境变量填进去即可。

验证方式

建议按顺序分层验证，不要直接看界面。

验证 1：直接打上游

以下为 Windows PowerShell 写法（curl.exe 避免 PowerShell 别名问题）；macOS/Linux 将 curl.exe 改为 curl，行末反引号 ` 改为 \：

curl.exe -sS -D - -X POST "https://your-base-url/v1/messages" `
  -H "x-api-key: your-token" `
  -H "anthropic-version: 2023-06-01" `
  -H "content-type: application/json" `
  --data-raw "{\"model\":\"claude-sonnet-4-5\",\"max_tokens\":64,\"messages\":[{\"role\":\"user\",\"content\":\"请只回复OK\"}]}"


### 验证 2：用 Inspector 调 MCP

```powershell
npx @modelcontextprotocol/inspector --cli `
  node /path/to/mcp-model-proxy/server.mjs `
  --method tools/call `
  --tool-name ask_model `
  --tool-arg "prompt=介绍一下你自己"

故障排查

`401 无效的令牌`

先分清楚是哪里报的：

上游直连就 401：token 或 provider 本身有问题
直连上游 200，但经过本地代理 401：代理层 token 配置不同步
MCP 成功，但宿主客户端失败：宿主客户端走的不是同一条链路，或它自身的 MCP 配置没有生效

MCP 成功，但宿主客户端不出结果

检查：

宿主客户端的 MCP 配置文件里命令、参数和环境变量是否正确
MCP 工具列表里能否看到 ask_model
宿主客户端日志里最后一次请求是 200 还是 401

`Request timed out after 60000ms`

说明本地 MCP 已经发出请求，但你的上游在设定时间内没有返回。

检查：

上游地址是否可达，网络或代理是否正常
模型本身是否响应过慢
CLAUDE_MCP_TIMEOUT_MS 是否设置得过小

PowerShell 里输入中文报错

终端会把自然语言当命令执行。要把问题作为 prompt 参数传给 ask_model，不能直接在终端敲自然语言。

已知限制

单工具、非流式：每次调用发一条新请求，不维护会话状态，不支持流式输出
单 provider：只认一套环境变量，不做自动切换或 fallback
上游行为不保证：不同上游的响应行为可能存在差异，建议以实际响应为准
maxTokens 上限 65536：默认给出更宽松的上限，具体可用值仍然取决于你的上游和模型
默认 60 秒超时：超时会直接返回错误，需要按上游速度调大 CLAUDE_MCP_TIMEOUT_MS

适用场景

手里有兼容 Claude Messages API 的上游，但宿主工具只支持 MCP
想把上游能力统一包装成一个 MCP 工具供多个客户端复用
想先验证「模型和 token 能不能用」，再去排查 UI 和代理问题

不适合：

完整聊天应用、多 provider 管理、流式输出、生产级网关

FAQ

这是官方 Claude MCP 吗？ 不是，这是本地自建的轻量适配层。

和直接调 API 相比，这个项目的优势是什么？ 直接调 API 最简单，但每个宿主都要自己实现一遍接入逻辑。这个项目的价值是把上游接口统一包装成 MCP 工具，让多个支持 MCP 的客户端复用同一层适配。

为什么 Inspector 能用，宿主客户端里不能用？ 两者链路不同。Inspector 通常是最短路径；宿主客户端往往还叠加了自己的配置、权限、日志和工具管理逻辑。排障时必须分层验证。

模型名写的是 Claude，返回内容像别的产品？ 通常是上游做了包装或角色改写，不是 server.mjs 的问题。可以用验证方式章节的方法直接打上游确认原始响应。

安全建议

公开发布这个仓库时，建议保持下面这些边界：

README.md、examples/、.env.example 里只放占位符，不放真实 token
本机配置文件、数据库、用户目录下的私有文件不要进入仓库
.env 这类本地变量文件继续保持在 .gitignore 中
如果后面增加更多示例，优先使用 /path/to/... 这类通用占位符路径

免责声明

本项目仅为技术适配工具，不提供任何 AI 模型服务，不存储任何用户数据。

使用本项目时，你需要自行：

确保你使用的上游 API 服务符合其服务条款
承担因使用上游服务产生的一切费用、法律责任和风险
遵守所在地区关于 AI 服务使用的相关法律法规

本项目作者不对以下情况承担任何责任：

上游服务的可用性、准确性或合法性
因使用本项目导致的任何直接或间接损失
任何第三方服务的条款变更或访问限制

本软件按"原样"提供，不附带任何明示或暗示的保证。使用风险由用户自行承担。

MCP Servers