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

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
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
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

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

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

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
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
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

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

Aurai Advisor (上级顾问 MCP)

上级顾问 MCP (Aurai Advisor)

功能特点

v2.2.0 更新说明

⚠️ 重要：旧版用户迁移指南

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

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

重大变更

GLM-4.7 Token 配置说明

快速开始

1. 安装

2. 配置

3. 使用

MCP 工具

consult_aurai（主要工具）

sync_context ⭐

report_progress

get_status

文档

环境变量

必填

可选

Token 配置说明

配置示例

项目结构

故障排查

每次打开 Claude Code 都要重新安装？

MCP 工具没有出现

ModuleNotFoundError

401 Unauthorized

404 Model not found

文件内容未发送给上级 AI

测试

获取帮助

许可证

上级顾问 MCP (Aurai Advisor)

功能特点

v2.2.0 更新说明

⚠️ 重要：旧版用户迁移指南

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

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

重大变更

GLM-4.7 Token 配置说明

快速开始

1. 安装

2. 配置

3. 使用

MCP 工具

consult_aurai（主要工具）

sync_context ⭐

report_progress

get_status

文档

环境变量

必填

可选

Token 配置说明

配置示例

项目结构

故障排查

每次打开 Claude Code 都要重新安装？

MCP 工具没有出现

ModuleNotFoundError

401 Unauthorized

404 Model not found

文件内容未发送给上级 AI

测试

获取帮助

许可证

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

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

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

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