Aurai Advisor (上级顾问) MCP Server

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：

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）：

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