仅提示

Name: 仅提示
Author: disler

作者：disler683 星标更新：2025-08-11

安装使用来源：spider==github.com

项目介绍

Just Prompt - 一个轻量级的MCP服务器，适用于各种大型语言模型提供商

just-prompt 是一个模型控制协议（MCP）服务器，提供了一个统一的接口，用于访问包括OpenAI、Anthropic、Google Gemini、Groq、DeepSeek和Ollama在内的多种大型语言模型（LLM）提供商。了解我们如何使用ceo_and_board工具来使困难决策变得简单。

工具

以下MCP工具在服务器中可用：

prompt: 向多个LLM模型发送提示
- 参数：
  - text: 提示文本
  - models_prefixed_by_provider（可选）：带有提供商前缀的模型列表。如果没有提供，则使用默认模型。
prompt_from_file: 从文件向多个LLM模型发送提示
- 参数：
  - abs_file_path: 包含提示的文件的绝对路径（必须是绝对路径，而不是相对路径）
  - models_prefixed_by_provider（可选）：带有提供商前缀的模型列表。如果没有提供，则使用默认模型。
prompt_from_file_to_file: 从文件向多个LLM模型发送提示，并将响应保存为markdown文件
- 参数：
  - abs_file_path: 包含提示的文件的绝对路径（必须是绝对路径，而不是相对路径）
  - models_prefixed_by_provider（可选）：带有提供商前缀的模型列表。如果没有提供，则使用默认模型。
  - abs_output_dir（默认值："."）: 保存响应markdown文件的绝对目录路径（必须是绝对路径，而不是相对路径）
ceo_and_board: 向多个“董事会成员”模型发送提示，并让“CEO”模型基于它们的响应做出决定
- 参数：
  - abs_file_path: 包含提示的文件的绝对路径（必须是绝对路径，而不是相对路径）
  - models_prefixed_by_provider（可选）：作为董事会成员的带有提供商前缀的模型列表。如果没有提供，则使用默认模型。
  - abs_output_dir（默认值："."）: 保存响应文件和CEO决策的绝对目录路径（必须是绝对路径，而不是相对路径）
  - ceo_model（默认值："openai:o3"）: 用于CEO决策的模型，格式为"provider:model"
list_providers: 列出所有可用的LLM提供商
- 参数：无
list_models: 列出特定LLM提供商的所有可用模型
- 参数：
  - provider: 要列出模型的提供商（例如，'openai'或'o'）

提供商前缀

每个模型都必须以前缀的形式加上提供商名称

使用短名称以加快引用速度

o 或 openai: OpenAI
- o:gpt-4o-mini
- openai:gpt-4o-mini
a 或 anthropic: Anthropic
- a:claude-3-5-haiku
- anthropic:claude-3-5-haiku
g 或 gemini: Google Gemini
- g:gemini-2.5-pro-exp-03-25
- gemini:gemini-2.5-pro-exp-03-25
q 或 groq: Groq
- q:llama-3.1-70b-versatile
- groq:llama-3.1-70b-versatile
d 或 deepseek: DeepSeek
- d:deepseek-coder
- deepseek:deepseek-coder
l 或 ollama: Ollama
- l:llama3.1
- ollama:llama3.1

特性

多种LLM提供商的统一API
支持从字符串或文件发送文本提示
并行运行多个模型
自动使用--default-models列表中的第一个模型进行模型名称纠正
将响应保存到文件的能力
易于列出可用的提供商和模型

安装

# 克隆仓库
git clone https://github.com/yourusername/just-prompt.git
cd just-prompt

# 使用pip安装
uv sync

环境变量

创建一个.env文件并添加您的API密钥（您可以复制.env.sample文件）：

cp .env.sample .env

然后编辑.env文件以添加您的API密钥（或在shell中导出它们）：

OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here
GROQ_API_KEY=your_groq_api_key_here
DEEPSEEK_API_KEY=your_deepseek_api_key_here
OLLAMA_HOST=http://localhost:11434

Claude Code安装

在这些示例中，请将目录替换为您实际的just-prompt目录路径。

默认模型设置为openai:o3:high，openai:o4-mini:high，anthropic:claude-opus-4-20250514，anthropic:claude-sonnet-4-20250514，gemini:gemini-2.5-pro-preview-03-25和gemini:gemini-2.5-flash-preview-04-17。

如果您直接从仓库使用Claude Code，可以在.mcp.json文件中看到我们设置的默认模型...

{
  "mcpServers": {
    "just-prompt": {
      "type": "stdio",
      "command": "uv",
      "args": [
        "--directory",
        ".",
        "run",
        "just-prompt",
        "--default-models",
        "openai:o3:high,openai:o4-mini:high,anthropic:claude-opus-4-20250514,anthropic:claude-sonnet-20250514,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"
      ],
      "env": {}
    }
  }
}

--default-models参数设置了当未明确提供给API端点时使用的模型。列表中的第一个模型也会在需要时用于模型名称纠正。这可以是一个由逗号分隔的模型列表。

启动服务器时，它会自动检查您的环境中哪些API密钥可用，并告知您哪些提供商可以使用。如果缺少某个密钥，该提供商将被列为不可用，但服务器仍会启动并可以与可用的提供商一起使用。

使用`mcp add-json`

复制以下内容并粘贴到Claude Code中，但不要运行直到您复制了json

claude mcp add just-prompt "$(pbpaste)"

要复制的JSON

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt"]
}

自定义默认模型设置为openai:gpt-4o。

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:gpt-4o"]
}

具有多个默认模型：

{
    "command": "uv",
    "args": ["--directory", ".", "run", "just-prompt", "--default-models", "openai:o3:high,openai:o4-mini:high,anthropic:claude-opus-4-20250514,anthropic:claude-sonnet-4-20250514,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"]
}

使用`mcp add`与项目范围

# 使用默认模型
claude mcp add just-prompt -s project \
  -- \
    uv --directory . \
    run just-prompt

# 使用自定义默认模型
claude mcp add just-prompt -s project \
  -- \
  uv --directory . \
  run just-prompt --default-models "openai:gpt-4o"

# 使用多个默认模型
claude mcp add just-prompt -s user \
  -- \
  uv --directory . \
  run just-prompt --default-models "openai:o3:high,openai:o4-mini:high,anthropic:claude-opus-4-20250514,anthropic:claude-sonnet-4-20250514,gemini:gemini-2.5-pro-preview-03-25,gemini:gemini-2.5-flash-preview-04-17"

`mcp remove`

claude mcp remove just-prompt

运行测试

uv run pytest

代码库结构

.
├── ai_docs/                   # 文档目录，包含AI模型细节
│   ├── extending_thinking_sonny.md
│   ├── llm_providers_details.xml
│   ├── openai-reasoning-effort.md
│   └── pocket-pick-mcp-server-example.xml
├── example_outputs/           # 不同模型的示例输出
├── list_models.py             # 列出可用LLM模型的脚本
├── prompts/                   # 示例提示文件
├── pyproject.toml             # Python项目配置
├── specs/                     # 项目规范
│   ├── init-just-prompt.md
│   ├── new-tool-llm-as-a-ceo.md
│   └── oai-reasoning-levels.md
├── src/                       # 源代码目录
│   └── just_prompt/
│       ├── __init__.py
│       ├── __main__.py
│       ├── atoms/             # 核心组件
│       │   ├── llm_providers/ # 单个提供商实现
│       │   │   ├── anthropic.py
│       │   │   ├── deepseek.py
│       │   │   ├── gemini.py
│       │   │   ├── groq.py
│       │   │   ├── ollama.py
│       │   │   └── openai.py
│       │   └── shared/        # 共享实用程序和数据类型
│       │       ├── data_types.py
│       │       ├── model_router.py
│       │       ├── utils.py
│       │       └── validator.py
│       ├── molecules/         # 高级功能
│       │   ├── ceo_and_board_prompt.py
│       │   ├── list_models.py
│       │   ├── list_providers.py
│       │   ├── prompt.py
│       │   ├── prompt_from_file.py
│       │   └── prompt_from_file_to_file.py
│       ├── server.py          # MCP服务器实现
│       └── tests/             # 测试目录
│           ├── atoms/         # 原子测试
│           │   ├── llm_providers/
│           │   └── shared/
│           └── molecules/     # 分子测试
│               ├── test_ceo_and_board_prompt.py
│               ├── test_list_models.py
│               ├── test_list_providers.py
│               ├── test_prompt.py
│               ├── test_prompt_from_file.py
│               └── test_prompt_from_file_to_file.py
└── ultra_diff_review/         # 差异审查输出

上下文预热

阅读README.md，pyproject.toml，然后运行git ls-files，以及'eza --git-ignore --tree'以理解项目的上下文。

OpenAI o系列推理努力

对于OpenAI o系列推理模型（o4-mini，o3-mini，o3），您可以控制模型在生成可见答案之前执行多少内部推理。

在模型名称后（在提供商前缀之后）追加以下后缀之一：

:low – 最小内部推理（更快，更便宜）
:medium – 平衡（如果省略则默认）
:high – 彻底推理（更慢，更多令牌）

示例：

openai:o4-mini:low
o:o4-mini:high

当存在推理后缀时，just-prompt会自动切换到OpenAI Responses API（如果可用），并设置相应的reasoning.effort参数。如果安装的OpenAI SDK较旧，它会优雅地回退到Chat Completions端点，并嵌入内部系统指令以近似请求的努力水平。

Claude的思考令牌

Anthropic Claude模型claude-opus-4-20250514和claude-sonnet-4-20250514支持使用思考令牌进行扩展思考能力。这允许Claude在回答之前进行更彻底的思考过程。

您可以通过在模型名称中添加后缀来启用思考令牌：

anthropic:claude-opus-4-20250514:1k - 对Opus 4使用1024思考令牌
anthropic:claude-sonnet-4-20250514:4k - 对Sonnet 4使用4096思考令牌
anthropic:claude-opus-4-20250514:8000 - 对Opus 4使用8000思考令牌

注意事项：

思考令牌仅支持claude-opus-4-20250514，claude-sonnet-4-20250514和claude-3-7-sonnet-20250219模型
有效的思考令牌预算范围从1024到16000
超出此范围的值将自动调整为在范围内
您可以使用k表示法（1k，4k等）或确切数字（1024，4096等）指定预算

Gemini的思考预算

Google Gemini模型gemini-2.5-flash-preview-04-17支持使用思考预算进行扩展思考能力。这允许Gemini在提供响应之前进行更彻底的推理。

您可以通过在模型名称中添加后缀来启用思考预算：

gemini:gemini-2.5-flash-preview-04-17:1k - 使用1024思考预算
gemini:gemini-2.5-flash-preview-04-17:4k - 使用4096思考预算
gemini:gemini-2.5-flash-preview-04-17:8000 - 使用8000思考预算