Cn Model Gateway

国产大模型统一 MCP 服务器，通过标准 JSON-RPC 2.0 协议为 Claude Code / Cursor / Cline / n8n 等 18+ Agent 框架提供 DeepSeek、通义千问、智谱 GLM、Kimi、腾讯混元、火山豆包六家模型的统一调用接口。支持工具调用（ask_model / compare_models / list_providers / health_check）、资源读取（配置 / 使用统计）、预置 prompt 模板（代码审查 / 翻译），内置统一错误映射、流式 SSE 输出、使用量统计、硬件感知并发控制。config.json 填写 api_key 即可启动，无需 GPU、不做微调、不做私有部署，只做标准 MCP 协议网关。

fyniujin@fyniujin

Install

openclaw skills install @fyniujin/cn-model-gateway

国产模型 MCP 服务器

CN Model Gateway 是一个纯 Python、零运行时依赖的国产大模型统一 MCP 服务器。它启动后通过 stdio 暴露标准 JSON-RPC 2.0 接口，让任何兼容 MCP 的 Agent 框架（Claude Code、Cursor、Cline、n8n、Claude Desktop 等）一站式调用 DeepSeek、通义千问、智谱 GLM、Kimi、腾讯混元、火山豆包六家模型。

核心定位：只做 MCP 协议网关。

❌ 不做本地模型推理 / GPU 部署
❌ 不做模型微调 / 训练
❌ 不做私有部署版 SaaS
✅ 只做标准 MCP 协议接口，把各家模型统一封装成 MCP tools/resources/prompts

适用场景

场景	说明
你想在 Claude Code / Cursor / Cline 里一键切换 DeepSeek / 通义 / 智谱 / Kimi / 混元 / 豆包	✅ 安装后在 MCP 配置里加一段，框架自动发现
你想对比同一问题在多个模型上的回答差异	✅ 内置 `compare_models` 工具，同时问多家
你想统计调用量、token 消耗、各模型使用占比	✅ 内置 SQLite 统计 + 周报功能
你希望错误信息是中文的、不暴露原始英文 API 报错	✅ 统一错误映射，全部返回中文
你希望在低配电脑上用，不希望 AI 把你的内存吃满	✅ 硬件感知并发控制（自动采集 CPU/内存 → 动态限制并发数）
你有一个国产模型 API key，想把它接到你的 Agent 工作流里	✅ 填 config.json 启动即可

安装

前提条件

Python 3.9+（已安装在你系统上）
至少一个国产模型的 API key

安装步骤

bash

# 1. 克隆或下载本 skill 文件夹
git clone https://github.com/your-org/cn-model-gateway.git
cd cn-model-gateway

# 2. 复制配置模板，填写你的 api_key
cp config/config.json.example config/config.json
# 然后编辑 config.json，填入你的 api_key

无需 pip install，所有代码使用 Python 标准库（urllib/json/sqlite3/asyncio）。

使用方法

方式一：作为 MCP 服务器（推荐，给 Claude Code / Cursor / Cline 用）

在 Claude Code / Cursor / Cline 的 MCP 配置文件中加入：

json

{
  "mcpServers": {
    "cn-model-gateway": {
      "command": "python",
      "args": ["D:/skill/cn-model-gateway/main.py", "run", "-c", "D:/skill/cn-model-gateway/config/config.json"]
    }
  }
}

启动 Agent 框架后，即可自动发现 4 个工具 + 2 个资源 + 2 个 prompt 模板。

方式二：命令行直接提问

bash

# 直接提问（自动选择可用模型）
python main.py ask "写一个快速排序"

# 指定模型提问
python main.py ask "写一个快速排序" -p deepseek

# 对比多个模型
python main.py compare "解释量子计算" -p deepseek tongyi zhipu

# 查看已配置模型状态
python main.py status

# 查看使用统计
python main.py stats

# 启动 MCP 服务器
python main.py run

方式三：Python API 直接调用

python

from src.router import ModelRouter
from src.adapters.base import ChatMessage

router = ModelRouter()
router.register_all({
    "deepseek": {"api_key": "sk-xxx"}
})

msgs = [ChatMessage(role="user", content="你好")]
resp = router.chat(msgs, provider="deepseek")
print(resp.content)

内置工具（MCP tools/list 返回）

工具名	描述	关键参数
`ask_model`	向指定或自动选择的模型提问	`question`（必填）, `provider`（可选）, `model`（可选）, `temperature`（可选）
`compare_models`	同一问题并发多家模型返回对比	`question`（必填）, `providers`（可选列表，默认全部可用）
`list_providers`	列出所有已配置且可用的模型提供商	无
`health_check`	检查所有已配置提供商的连通性	无

内置资源（MCP resources/list 返回）

资源 URI	描述
`cn-model-gateway://config`	查看当前已注册的模型提供商列表（不含 api_key 明文）
`cn-model-gateway://usage`	查看调用次数、token 消耗、各模型使用占比等统计

内置 Prompt 模板（MCP prompts/list 返回）

模板名	描述	参数
`code_review`	代码审查提示模板	`code`（必填）, `language`（可选，默认 python）
`translate`	中英互译提示模板	`text`（必填）, `target_lang`（必填：zh/en/ja）

配置说明

config.json 格式：

json

{
  "deepseek": { "api_key": "sk-xxx" },
  "tongyi": { "api_key": "sk-xxx" },
  "zhipu": { "api_key": "your-key" },
  "kimi": { "api_key": "your-key" },
  "hunyuan": { "api_key": "SECRET_ID:SECRET_KEY" },
  "doubao": { "api_key": "your-key" }
}

可以只填一家，也可以六家全填
hunyuan 比较特殊，格式为 secret_id:secret_key（冒号分隔）
未填 api_key 的提供商自动标记为不可用，不影响其他家使用

统一错误映射

各家模型返回的错误码不同，本 skill 统一映射为 MCP 标准错误码：

MCP 错误码	含义	触发场景
`-32602`	参数错误	API key 无效、内容审核未通过、请求参数缺失
`-32001`	模型不可用	提供商未配置或已过期
`-32002`	速率限制	调用频率超限、额度不足
`-32603`	内部错误	网络超时、响应解析失败

所有错误信息均为中文，便于排查。

性能优化

硬件感知并发：启动时自动采集 CPU 核数和内存大小，低配电脑（< 4GB 内存）限制并发数为 1，高配最多 4 并发
零外部依赖：纯 Python 标准库，无 pip install，避免环境污染
流式输出：长对话走 SSE 流式，不堵内存
SQLite 本地统计：调用记录本地落盘，无网络上传

版本更新提醒

本 skill 会在每次启动时打印当前版本号（stderr）。要获取最新版本：

bash

# 检查 GitHub 最新版本（需安装 gh CLI）
gh release list --repo your-org/cn-model-gateway

建议关注本 skill 的 GitHub Release 页获取更新通知。

⚠️ 风险项（必读）

风险	说明	规避方式
API Key 泄露	用户需自行保管 api_key，config.json 文件勿提交到公开仓库	将 config.gitignore；不要把 skill 复制到公开目录
模型调用计费	每次调用都会消耗对应模型提供商的额度，费用由用户自行承担	定期查看 `python main.py stats` 统计，设置各平台额度预警
内容安全	模型回答内容由各提供商审核策略决定，本 skill 不额外过滤	生产环境建议叠加内容安全过滤层
网络依赖	每次调用都通过 urllib 直连各模型 API，需要联网	离线环境无法使用各家模型能力
并发安全风险	使用 SQLite 本地存储，多进程同时写入可能触发锁竞争	单进程运行；多进程场景建议改用外部数据库
配置格式	hunyuan 必须是 `secret_id:secret_key` 格式，其他家是普通 key	使用前运行 `python main.py status` 检查连通性
API 版本兼容	各模型提供商可能更新 OpenAI-compatible 接口路径或字段	关注各平台公告，本 skill 会随版本更新适配

能力边界

仅支持文本对话（chat completions），不支持图片/音频/视频理解
不支持 Function Calling / Tool Use（各家实现差异大，暂不统一封装）
不支持本地模型推理或 GPU 部署
不支持 model cascade / fallback（auto 模式只随机选一家，不自动重试）
不支持批量异步调用（single-call synchronous only）

常见问题（FAQ）

Q: 为什么启动后没有任何提供商可用？ A: 检查 config.json 格式是否正确，api_key 是否填写。运行 python main.py status 查看状态。注意 hunyuan 格式是 secret_id:secret_key（冒号分隔）。

Q: 能同时配置多个提供商让 skill 自动选择吗？ A: 可以。auto 模式会随机选一家可用的。如果要稳定输出，建议显式指定 -p deepseek。

Q: 各家模型的默认模型是什么？ A: deepseek-chat / qwen-turbo / glm-4-flash / moonshot-v1-8k / hunyuan-standard / doubao 系列。可通过 model 参数覆盖。

Q: 使用量数据存在哪里？ A: 默认存储在 ~/.cn-model-gateway/usage.db（SQLite）。不会上传到任何服务器。

Q: 支持哪些操作系统？ A: Windows / macOS / Linux 全平台支持。需要 Python 3.9+。

Q: 需要 GPU 吗？ A: 完全不需要。本 skill 只做 API 网关，不进行本地推理。

支持与反馈

有更好建议：njskills@agent.qq.com

遇到问题请提供：

python main.py status 输出
报错截图或完整错误信息
你使用的 model provider 名称

更新日志

| v1.0.0 | 2026-07-16 | 初始版本发布，包含：MCP JSON-RPC 2.0 完整协议适配（tools/list/call + resources/list/read + prompts/list/get）；6 家国产模型适配器（DeepSeek/通义/智谱/Kimi/混元/豆包）；统一错误映射（4 种 MCP 标准错误码 + 中文 message）；流式 SSE 输出；本地 MCP 服务器 stdio 启动；内置 4 个工具（ask_model/compare_models/list_providers/health_check）；2 个 prompt 模板（code_review/translate）；使用量统计（SQLite + 周报）；硬件感知并发控制（自动采集 CPU/内存 → 动态分配并发数）；纯 Python 标准库零依赖；CLAUDE.md/Cursor/Cline 配置文件模板 |