PAL MCP：多种工作流，一个上下文。

🆕 现已支持 CLI 到 CLI 桥接

全新的 clink（CLI + 链接）工具可将外部 AI 命令行工具直接接入你的工作流：

• 连接外部 CLI，如 Gemini CLI、Codex CLI 和 Claude Code，直接融入你的工作流程
• CLI 子代理——从当前 CLI 内部启动独立的 CLI 实例！Claude Code 可以派生 Codex 子代理，Codex 可以派生 Gemini CLI 子代理，等等。将繁重的任务（代码审查、缺陷排查）交由全新上下文中执行，同时保持主会话的上下文窗口不受干扰。每个子代理仅返回最终结果。
• 上下文隔离——在不污染主工作区的情况下开展独立调查
• 角色专业化——根据特定系统提示，派生 planner、codereviewer 或自定义角色代理
• 完整 CLI 功能——网络搜索、文件检查、MCP 工具访问、最新文档查询
• 无缝衔接——子 CLI 作为一级成员参与，各工具间保持完整的对话上下文

# Codex 启动 Codex 子代理，在全新上下文中进行隔离式代码审查
clink with codex codereviewer to audit auth module for security issues
# 子代理在隔离环境中完成审查，仅返回最终报告，不会因 Codex 逐个读取文件和遍历目录结构而使你的上下文混乱

# 不同 AI 模型达成共识 → 在完全保留工具间上下文的情况下移交实现任务
利用 GPT-5 和 Gemini Pro 的共识来决定：接下来是开发暗黑模式还是离线支持
继续使用 clink gemini 来实现推荐的功能
# Gemini 接收到完整的讨论上下文，并立即开始编码

👉 了解更多关于 clink 的信息

为什么选择 PAL MCP？

为何只依赖单一 AI 模型，而不将其全部编排起来呢？

PAL MCP 是一种模型上下文协议服务器，能够为 Claude Code、Codex CLI 等工具以及 Cursor 或 Claude Dev VS Code 扩展 等 IDE 客户端提供强大助力。PAL MCP 将你最喜爱的 AI 工具与多种 AI 模型连接起来，从而提升代码分析、问题解决和协作开发的能力。

真正的 AI 协作与对话连续性

PAL 支持 对话线程化，因此您的 CLI 可以 与多个 AI 模型讨论想法、交换推理过程、获取第二意见，甚至在模型之间进行协作式辩论，从而帮助您获得更深入的洞察和更好的解决方案。

您的 CLI 始终掌握主动权，但会在每个子任务中从最适合的 AI 获取视角。上下文可以在不同工具和模型之间无缝传递，从而实现复杂的流程，例如：使用多个模型进行代码审查 → 自动化规划 → 实施 → 提交前验证。

您掌控一切。 您选择的 CLI 将协调整个 AI 团队，而工作流则由您决定。您可以编写强大的提示词，在需要时精准调用 Gemini Pro、GPT 5、Flash 或本地离线模型。

推荐的 AI 技术栈

快速入门（5 分钟）

先决条件： Python 3.10+、Git、已安装 uv

1. 获取 API 密钥（选择一个或多个）：

• OpenRouter - 通过一个 API 访问多个模型
• Gemini - Google 最新推出的模型
• OpenAI - O3、GPT-5 系列
• Azure OpenAI - GPT-4o、GPT-4.1、GPT-5 系列的企业级部署
• X.AI - Grok 模型
• DIAL - 不受供应商限制的模型访问
• Ollama - 本地模型（免费）

2. 安装（选择一种）：

选项 A：克隆并自动设置（推荐）

git clone https://github.com/BeehiveInnovations/pal-mcp-server.git
cd pal-mcp-server

# 自动完成所有操作：设置、配置、从系统环境加载 API 密钥。
# 自动配置 Claude Desktop、Claude Code、Gemini CLI、Codex CLI、Qwen CLI

# 在 .env 中启用或禁用附加设置
./run-server.sh  

选项 B：使用 uvx 进行快速设置

// 添加到 ~/.claude/settings.json 或 .mcp.json
// 别忘了在 env 下添加你的 API 密钥
{
  "mcpServers": {
    "pal": {
      "command": "bash",
      "args": ["-c", "for p in $(which uvx 2>/dev/null) $HOME/.local/bin/uvx /opt/homebrew/bin/uvx /usr/local/bin/uvx uvx; do [ -x \"$p\" ] && exec \"$p\" --from git+https://github.com/BeehiveInnovations/pal-mcp-server.git pal-mcp-server; done; echo 'uvx not found' >&2; exit 1"],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "GEMINI_API_KEY": "your-key-here",
        "DISABLED_TOOLS": "analyze,refactor,testgen,secaudit,docgen,tracer",
        "DEFAULT_MODEL": "auto"
      }
    }
  }
}

3. 开始使用！

"使用 pal 用 gemini pro 分析这段代码的安全问题"
"用 o3 调试这个错误，然后让 flash 提供建议进行优化"
"用 pal 制定迁移策略，并从多个模型中获得共识"
"clink with cli_name=\"gemini\" role=\"planner\" 来起草分阶段的部署计划"

👉 完整设置指南，包含详细的安装、Gemini/Codex/Qwen 的配置以及故障排除 👉 Cursor 和 VS Code 设置，提供 IDE 集成说明 📺 观看工具的实际应用，了解真实场景中的示例

提供商配置

PAL 会激活任何在你的 .env 文件中有凭据的提供商。请参阅 .env.example 以进行更深入的自定义。

核心工具

注意： 每个工具都有自己的多步骤工作流程、参数和描述，即使不使用也会占用宝贵的上下文窗口空间。为了优化性能，部分工具默认被禁用。请参阅下方的 工具配置 以启用它们。

协作与规划 (默认启用)

• clink - 将请求桥接到外部 AI CLI（Gemini 规划器、代码审查等）
• chat - 头脑风暴想法、获取第二意见、验证方法。在功能强大的模型（如 GPT-5.2 Pro、Gemini 3.0 Pro）下，可生成完整的代码/实现
• thinkdeep - 扩展推理、边缘情况分析、替代视角
• planner - 将复杂项目分解为结构化、可操作的计划
• consensus - 通过立场引导，从多个 AI 模型中获取专家意见

代码分析与质量

• debug - 系统性调查和根本原因分析
• precommit - 在提交前验证更改，防止回归
• codereview - 专业评审，带有严重程度等级和可操作反馈
• analyze (默认禁用 - 启用) - 理解整个代码库的架构、模式和依赖关系

开发工具 (默认禁用 - 启用)

• refactor - 带有分解重点的智能代码重构
• testgen - 包含边缘情况的全面测试生成
• secaudit - 基于 OWASP Top 10 的安全审计
• docgen - 生成带有复杂度分析的文档

实用工具

• apilookup - 在子进程中强制查找当年的 API/SDK 文档（节省当前上下文窗口内的 token），防止使用过时训练数据的回答
• challenge - 通过批判性分析，避免出现“你完全正确！”这样的回应
• tracer (默认禁用 - 启用) - 用于调用流映射的静态分析提示

# 默认配置（来自 .env.example）
DISABLED_TOOLS=analyze,refactor,testgen,secaudit,docgen,tracer

# 要启用特定工具，将其从列表中移除
# 示例：启用 analyze 工具
DISABLED_TOOLS=refactor,testgen,secaudit,docgen,tracer

# 要启用所有工具
DISABLED_TOOLS=

// 在 ~/.claude/settings.json 或 .mcp.json 中
{
  "mcpServers": {
    "pal": {
      "env": {
        // 工具配置
        "DISABLED_TOOLS": "refactor,testgen,secaudit,docgen,tracer",
        "DEFAULT_MODEL": "pro",
        "DEFAULT_THINKING_MODE_THINKDEEP": "high",
        
        // API 配置
        "GEMINI_API_KEY": "your-gemini-key",
        "OPENAI_API_KEY": "your-openai-key",
        "OPENROUTER_API_KEY": "your-openrouter-key",
        
        // 日志记录和性能
        "LOG_LEVEL": "INFO",
        "CONVERSATION_TIMEOUT_HOURS": "6",
        "MAX_CONVERSATION_TURNS": "50"
      }
    }
  }
}

// 将 DISABLED_TOOLS 删除或清空以启用所有功能
{
  "mcpServers": {
    "pal": {
      "env": {
        "DISABLED_TOOLS": ""
      }
    }
  }
}

📺 观看工具实际运行效果

PreCommit 工具 - 全面的变更验证

Pre-commit 验证工作流：

核心功能

AI 编排

• 自动模型选择 - Claude 会为每项任务挑选合适的 AI 模型
• 多模型工作流 - 在单次对话中串联不同模型
• 对话连续性 - 上下文在不同工具和模型间得以保留
• 上下文恢复 - 即使上下文重置，也能继续对话

模型支持

• 多家提供商 - Gemini、OpenAI、Azure、X.AI、OpenRouter、DIAL、Ollama
• 最新模型 - GPT-5、Gemini 3.0 Pro、O3、Grok-4、本地 Llama
• 思考模式 - 控制推理深度与成本之间的平衡
• 视觉支持 - 分析图片、图表、截图

开发者体验

• 引导式工作流 - 系统化的调查可避免仓促分析
• 智能文件处理 - 自动展开目录，管理令牌限制
• 网络搜索集成 - 访问最新文档和最佳实践
• 大提示支持 - 超越 MCP 的 25K 令牌限制

示例工作流

多模型代码审查：

“使用 Gemini Pro 和 O3 进行代码审查，然后用规划器制定修复策略”

→ Claude 系统地审查代码 → 咨询 Gemini Pro → 获取 O3 的观点 → 制定统一的行动计划

协作式调试：

“以最大思考模式调试这个竞态条件，然后用 Precommit 验证修复结果”

→ 深入调查 → 专家分析 → 实施解决方案 → Pre-commit 验证

架构规划：

“规划我们的微服务迁移，让 Pro 和 O3 就方案达成共识”

→ 结构化规划 → 多方专家意见 → 达成共识 → 制定实施路线图

👉 高级使用指南 提供复杂工作流、模型配置及高级用户功能的指导

快速链接

📖 文档

• 文档概览 - 主要指南的高层级地图
• 入门指南 - 完整的设置指南
• 工具参考 - 包含示例的所有工具
• 高级使用 - 高级用户功能
• 配置 - 环境变量、限制条件
• 添加提供商 - 各提供商特定的设置（OpenAI、Azure、自定义网关）
• 模型排名指南 - 智能评分如何驱动自动模式建议

🔧 设置与支持

• WSL 设置 - 适用于 Windows 用户
• 故障排除 - 常见问题
• 贡献指南 - 代码标准、PR 流程

许可证

Apache 2.0 许可证 - 详情请参阅 LICENSE 文件。

致谢

基于 多模型 AI 协作的强大能力构建 🤝

• 来自真实人类的 Actual Intelligence
• MCP（模型上下文协议）
• Codex CLI
• Claude Code
• Gemini
• OpenAI
• Azure OpenAI

星标历史

PAL MCP Server 快速上手指南

PAL MCP (Provider Abstraction Layer) 是一个模型上下文协议服务器，旨在将您喜爱的 AI CLI 工具（如 Claude Code、Codex CLI、Cursor 等）与多个 AI 模型连接起来。它支持在单个对话线程中协调多个模型进行协作、代码审查和复杂任务处理。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux, macOS 或 Windows (WSL2)
• Python: 版本 3.10 或更高
• Git: 已安装并配置
• uv 包管理器: 必须安装 uv (推荐用于快速安装和环境管理)
• API 密钥: 至少准备一个以下服务的 API Key：
  • OpenRouter (推荐：通过一个接口访问多种模型)
  • Google Gemini
  • OpenAI
  • Ollama (本地运行，免费)
  • 其他支持的服务：Azure OpenAI, X.AI (Grok), DIAL 等

安装步骤

您可以选择以下两种方式之一进行安装：

方式 A：克隆仓库并自动配置（推荐）

此方式会自动处理依赖安装、配置文件生成以及常见 CLI 工具（Claude Desktop, Claude Code, Gemini CLI 等）的集成配置。

# 1. 克隆仓库
git clone https://github.com/BeehiveInnovations/pal-mcp-server.git
cd pal-mcp-server

# 2. 运行安装脚本
# 该脚本会自动设置环境、读取系统环境变量中的 API Key，
# 并自动配置 Claude Desktop, Claude Code, Gemini CLI, Codex CLI 等
./run-server.sh

提示：运行前请确保已将 API Key 设置为系统环境变量，或在生成的 .env 文件中配置。

方式 B：使用 uvx 即时安装（无需克隆）

如果您希望直接通过 mcp.json 或 settings.json 配置，无需下载源码，可使用此方式。

1. 打开您的 MCP 配置文件 (例如 ~/.claude/settings.json 或项目根目录下的 .mcp.json)。
2. 添加以下配置内容（请替换 your-key-here 为您的实际 API Key）：

{
  "mcpServers": {
    "pal": {
      "command": "bash",
      "args": ["-c", "for p in $(which uvx 2>/dev/null) $HOME/.local/bin/uvx /opt/homebrew/bin/uvx /usr/local/bin/uvx uvx; do [ -x \"$p\" ] && exec \"$p\" --from git+https://github.com/BeehiveInnovations/pal-mcp-server.git pal-mcp-server; done; echo 'uvx not found' >&2; exit 1"],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "GEMINI_API_KEY": "your-key-here",
        "DISABLED_TOOLS": "analyze,refactor,testgen,secaudit,docgen,tracer",
        "DEFAULT_MODEL": "auto"
      }
    }
  }
}

基本使用

安装完成后，您可以在支持的 AI CLI 工具（如 Claude Code, Cursor, Codex CLI）中直接通过自然语言调用 PAL 的功能。

核心功能示例

1. 多模型协作分析 让不同的模型分别执行分析和优化任务：

Use pal to analyze this code for security issues with gemini pro

Debug this error with o3 and then get flash to suggest optimizations

2. 制定共识策略 让多个模型共同讨论并制定计划：

Plan the migration strategy with pal, get consensus from multiple models

3. 使用 Clink 桥接外部 CLI (子代理) 在当前会话中启动隔离的子代理执行特定角色任务（如规划、代码审查），保持主上下文干净：

clink with cli_name="gemini" role="planner" to draft a phased rollout plan

clink with codex codereviewer to audit auth module for security issues

推荐工作流

• 主控制器: 使用 Sonnet 4.5 或 GPT-5.2 Codex 作为主要编排者。
• 深度思考/审查: 调用 Gemini 3.0 Pro 或 O3 进行深度代码审查、调试和预提交验证。
• 上下文延续: 当主模型上下文重置时，可利用其他模型的记忆“唤醒”主模型的上下文，实现无缝继续。

注意: 部分高级工具默认可能处于禁用状态以节省上下文窗口。如需启用所有功能，请修改配置中的 DISABLED_TOOLS 参数或参考完整文档进行自定义。