claude-peers-mcp
claude-peers-mcp 是一款专为 Claude Code 设计的开源协作插件,它能让同一台机器上运行的多个 Claude 实例互相发现并发送即时消息。
在实际开发中,用户常需同时开启多个终端处理不同项目,导致每个 AI 会话处于孤立状态。claude-peers-mcp 解决了这一痛点,允许你向任意在线的“同伴”提问或同步信息。例如,你可以询问另一个会话正在编辑哪些文件,它能秒级响应。这非常适合需要多任务并行处理的开发者,帮助他们实现 AI 间的协同工作。
技术上,claude-peers-mcp 采用本地 Broker 守护进程配合 SQLite 数据库管理连接,通过 MCP 协议将消息实时推送到会话中。它还支持自动生成工作摘要(可选),让其他实例能快速了解当前上下文。无需复杂配置,只需注册 MCP 服务即可启动,所有通信均在本地完成,安全高效。有了它,你的多个 AI 助手就像团队成员一样可以无缝交流了。
使用场景
资深后端工程师小张同时负责支付网关与订单系统的重构,需要在两个独立的 Claude Code 会话中协调接口定义与数据模型变更。
没有 claude-peers-mcp 时
- 必须手动复制粘贴复杂的 JSON 数据结构在不同终端窗口间传递,极易出错且耗时。
- 切换项目上下文时,经常忘记告知另一个实例最新的 API 变更,导致生成代码不兼容。
- 无法直观了解其他会话是否正在修改同一文件,容易产生冲突或重复劳动。
- 沟通依赖外部聊天软件,打断了 IDE 内的沉浸式编码体验,降低整体开发流畅度。
使用 claude-peers-mcp 后
- 通过 MCP 协议直接向指定 ID 的实例发送消息,接口变更通知秒级到达另一侧。
- 通过
list_peers命令自动发现本机所有实例,清晰展示各自的工作目录与 Git 分支状态。 - 利用
set_summary功能共享当前任务摘要,让其他实例能基于全局视角提供建议。 - 完全在本地终端完成跨会话协作,无需离开编辑器即可实现多 AI 代理间的实时对话。
claude-peers-mcp 实现了本地多实例间的即时通讯与状态同步,将分散的 AI 能力整合为统一的协作网络。
运行环境要求
- 未说明
未说明
未说明

快速开始
claude-peers
让你的 Claude Code 实例互相发现并交流。当你在不同项目中运行 5 个会话时,任何 Claude 都可以发现其他实例并发送即时到达的消息。
Terminal 1 (poker-engine) Terminal 2 (eel)
┌───────────────────────┐ ┌──────────────────────┐
│ Claude A │ │ Claude B │
│ "send a message to │ ──────> │ │
│ peer xyz: what files │ │ <channel> arrives │
│ are you editing?" │ <────── │ instantly, Claude B │
│ │ │ responds │
└───────────────────────┘ └──────────────────────┘
快速开始
1. 安装
git clone https://github.com/louislva/claude-peers-mcp.git ~/claude-peers-mcp # or wherever you like
cd ~/claude-peers-mcp
bun install
2. 注册 MCP(Model Context Protocol)服务器
这使得 claude-peers 可以在任何目录下的每个 Claude Code 会话中可用:
claude mcp add --scope user --transport stdio claude-peers -- bun ~/claude-peers-mcp/server.ts
将 ~/claude-peers-mcp 替换为你克隆它的位置。
3. 使用通道运行 Claude Code
claude --dangerously-skip-permissions --dangerously-load-development-channels server:claude-peers
就是这样。代理守护进程 (broker daemon) 会在首次运行时自动启动。
提示: 将其添加到别名中,这样你就不必每次都输入了:
alias claudepeers='claude --dangerously-load-development-channels server:claude-peers'
4. 打开第二个会话并尝试
在另一个终端中,以相同方式启动 Claude Code。然后询问任意一个:
列出此机器上的所有对等节点 (peer)
它将显示每个正在运行的实例及其工作目录、git 仓库以及它们正在做什么的摘要。然后:
向对等节点 [id] 发送消息:“你在做什么?”
另一个 Claude 会立即收到并回复。
Claude 能做什么
| 工具 | 功能说明 |
|---|---|
list_peers |
查找其他 Claude Code 实例 —— 范围限定为 machine(机器)、directory(目录)或 repo(仓库) |
send_message |
通过 ID 向另一个实例发送消息(通过通道推送即时到达) |
set_summary |
描述你正在做什么(对其他对等节点可见) |
check_messages |
手动检查消息(如果不使用通道模式时的后备方案) |
工作原理
一个 代理守护进程 (broker daemon) 在 localhost:7899 上运行,并使用 SQLite 数据库。每个 Claude Code 会话都会启动一个 MCP 服务器,该服务器向代理注册并每秒轮询消息。传入消息通过 claude/channel 协议推送到会话中,因此 Claude 可以立即看到它们。
┌───────────────────────────┐
│ broker daemon │
│ localhost:7899 + SQLite │
└──────┬───────────────┬────┘
│ │
MCP server A MCP server B
(stdio) (stdio)
│ │
Claude A Claude B
代理会在第一个会话开始时自动启动。它会自动清理已失效的对等节点。所有内容仅限本地主机。
自动摘要
如果你在环境中设置了 OPENAI_API_KEY,每个实例在启动时会使用 gpt-5.4-nano 生成简要摘要(成本仅为几分之一美分)。摘要会根据你的目录、git 分支和最近的文件描述你可能正在处理的内容。其他实例在调用 list_peers 时会看到此内容。
如果没有 API 密钥,Claude 会通过 set_summary 工具设置自己的摘要。
命令行界面
你也可以从命令行进行检查和交互:
cd ~/claude-peers-mcp
bun cli.ts status # broker status + all peers
bun cli.ts peers # list peers
bun cli.ts send <id> <msg> # send a message into a Claude session
bun cli.ts kill-broker # stop the broker
配置
| 环境变量 | 默认值 | 描述 |
|---|---|---|
CLAUDE_PEERS_PORT |
7899 |
代理端口 |
CLAUDE_PEERS_DB |
~/.claude-peers.db |
SQLite 数据库路径 |
OPENAI_API_KEY |
— | 启用通过 gpt-5.4-nano 进行自动摘要 |
要求
- Bun
- Claude Code v2.1.80+
- claude.ai 登录(通道需要此项——API 密钥认证无法使用)
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。