Zen MCP是一个基于Model Context Protocol (MCP)的服务器，它使Claude能够与Gemini、O3等多个AI模型无缝协作，实现真正的AI编排和协同开发。通过智能模型选择和多种专业工具，Zen MCP能够帮助开发者进行代码分析、安全审查、架构设计和复杂问题调试，从而显著提升开发效率和代码质量。

🧠 **核心功能：** Zen MCP的核心在于其AI编排能力，Claude作为主导者，能够自动选择最适合的AI模型处理不同子任务，并支持对话在任务间的无缝延续。此外，它还支持多AI协作思维，允许Claude协调不同模型进行最佳分析，实现更全面的视角。

💡 **突破限制：** Zen MCP能够突破MCP的25K token限制，并利用Gemini的1M token上下文窗口处理大型代码库。它还支持5种思维深度模式，以平衡质量与成本，满足不同任务的需求。这些特性使得Zen MCP在处理复杂任务时更具优势。

🛠️ **专业工具：** Zen MCP提供7个专业开发工具，包括chat（协作思维）、thinkdeep（扩展推理）、codereview（代码审查）、precommit（Git变更验证）、debug（根因分析）、analyze（代码理解）和get_version（服务器信息）。这些工具针对不同的开发场景进行了优化，可以显著提高开发效率。

⚙️ **使用场景：** Zen MCP适用于多种开发场景，例如复杂架构设计、安全代码审查、性能优化协作和预提交验证。通过与Claude的自然语言交互，用户可以轻松调用这些工具，实现高效的AI辅助开发流程。例如，可以使用Zen进行架构设计、代码审查和调试等任务。

🚀 **安装和集成：** 用户可以通过Docker Desktop快速安装Zen MCP，并将其集成到Claude Code或Claude Desktop中。文章提供了详细的安装和配置步骤，方便用户快速上手。此外，文章还提供了使用技巧和工具选择指南，帮助用户更好地利用Zen MCP。

项目概述

在AI开发领域，我们经常面临这样的挑战：Claude虽然强大，但有时需要多种AI的协作才能完成复杂任务。今天要介绍的Zen MCP，正是为了解决这个问题而生的革命性工具。它通过Model Context Protocol (MCP)协议，让Claude能够与Gemini、O3等多个AI模型无缝协作，实现真正的AI编排和协同开发。

🔥🔥🔥本篇笔记所对应的视频：www.bilibili.com/video/BV1qR…

Zen MCP是一个基于Model Context Protocol的服务器，它为Claude提供了访问多个AI模型的能力，包括Gemini 2.5 Pro、Gemini 2.0 Flash、OpenAI O3等。简单来说，它就像是"Claude Code for Claude Code"，让不同的AI模型能够在同一个对话线程中协作完成任务。

项目仓库

github.com/BeehiveInno…

核心特性

🤖 真正的AI编排

Claude作为主导者，自动选择最适合的AI模型处理不同子任务支持对话在任务间的无缝延续，上下文完整保留可以在单个对话中切换多个工具和模型

🧠 多AI协作思维

获得多种AI视角，让Claude能够协调不同模型进行最佳分析自动模型选择，Claude为每个任务挑选最合适的模型支持手动指定特定模型处理特定任务

💡 突破限制，扩展能力

绕过MCP的25K token限制，自动处理大型提示利用Gemini的1M token上下文窗口处理整个代码库动态协作，模型可以在分析过程中请求额外上下文

核心优势

1. 智能模型选择

Zen MCP最大的优势在于它的自动模型选择能力。当设置为DEFAULT_MODEL=auto时，Claude会根据任务复杂度和需求智能选择最适合的模型：

复杂架构审查 → Claude选择Gemini Pro快速格式检查 → Claude选择Flash逻辑调试 → Claude选择O3一般性解释 → Claude选择Flash以提升速度

2. 突破技术限制

上下文窗口扩展

Gemini：1M tokens - 处理整个代码库和大型数据集O3：200K tokens - 处理复杂的逻辑分析自动绕过MCP的25K token限制

思维模式控制 支持5种思维深度模式，平衡质量与成本：

minimal (128 tokens) - 简单任务，最低成本low (2,048 tokens) - 基础推理任务medium (8,192 tokens) - 默认模式，适合大多数开发任务high (16,384 tokens) - 复杂问题，需要深度分析max (32,768 tokens) - 最复杂的推理任务

3. 专业开发工具

Zen MCP提供了7个专业工具，每个都针对特定的开发场景优化：

chat - 协作思维伙伴

头脑风暴、获取第二意见验证方法和实施计划技术比较和最佳实践讨论

thinkdeep - 扩展推理分析

使用Gemini的专业思维模型增强推理能力提供Claude分析的第二意见挑战假设，识别边缘情况

codereview - 专业代码审查

按严重程度优先排序问题（🔴 严重 → 🟢 轻微）支持专门审查：安全、性能、快速检查可强制执行编码标准

precommit - Git变更验证

递归发现多个git仓库根据需求验证变更检测未完成的变更和安全漏洞

debug - 根因分析

生成多个排序假设进行系统调试接受错误上下文、堆栈跟踪和日志提供结构化根因分析

analyze - 通用代码理解

分析单个文件或整个目录支持专门分析：架构、性能、安全、质量识别模式、反模式和重构机会

get_version - 服务器信息

获取版本和配置详情

使用场景

场景一：复杂架构设计

"使用zen深入思考这个认证设计，采用max思维模式，为我的项目头脑风暴出最佳架构"

在这个场景中，Claude会：

选择Gemini Pro进行深度架构分析使用max思维模式进行全面推理提供多个设计方案和权衡分析与其他模型协作验证方案可行性

场景二：安全代码审查

"使用zen和gemini pro对auth.py进行安全审查，查找潜在漏洞，需要可执行的计划"

工作流程：

Gemini Pro深度分析auth.py的安全问题按严重程度对问题进行分类提供可快速实施的解决方案可以继续使用O3进行逻辑验证

场景三：性能优化协作

实际案例：

"深入研究代码，思考如何在性能优化方面改进，与gemini协作获取反馈，然后通过首先添加单元测试来确认任何更改"

结果：通过协作分析和优化，JSON解析性能提升了26%。

场景四：预提交验证

"使用zen执行彻底的precommit检查，确保没有引入新的回归或错误"

这个工具会：

发现所有git仓库的变更验证变更是否符合原始需求检测不完整的变更和遗漏的测试进行安全检查，防止敏感信息泄露

安装和使用方式

环境要求

Docker Desktop

Git

Windows用户需要WSL2支持Claude Code CLI

至少一个AI服务的API密钥：

Gemini：从Google AI Studio获取OpenAI：从OpenAI Platform获取O3访问

5分钟快速开始

1. 克隆仓库

git clone <https://github.com/BeehiveInnovations/zen-mcp-server.git>cd zen-mcp-server

2. 一键设置

./setup-docker.sh

这个脚本会：

构建包含所有依赖的Docker镜像创建.env文件（自动使用环境变量中的API密钥）启动Redis服务支持AI对话记忆启动MCP服务器显示Claude Desktop配置信息

3. 配置API密钥

# 编辑.env文件添加API密钥nano .env# 文件内容：# GEMINI_API_KEY=your-gemini-api-key-here# OPENAI_API_KEY=your-openai-api-key-here# WORKSPACE_ROOT=/Users/your-username

集成到Claude Code

# 直接通过Claude Code CLI添加MCP服务器claude mcp add zen -s user -- docker exec -i zen-mcp-server python server.py# 验证服务器列表claude mcp list# 启动claude code连接到新添加的mcp服务器claude

集成到Claude Desktop

打开Claude Desktop设置 → 开发者 → 编辑配置添加以下配置到claude_desktop_config.json：

{  "mcpServers": {    "zen": {      "command": "docker",      "args": [        "exec",        "-i",        "zen-mcp-server",        "python",        "server.py"      ]    }  }}

完全重启Claude Desktop

使用技巧

自然语言交互

Zen MCP的设计理念是让你能够自然地与Claude对话：

"用zen深入思考这个架构设计" → Claude选择最佳模型 + thinkdeep"使用zen对这段代码进行安全审查" → Claude可能选择Gemini Pro + codereview"用zen调试为什么这个测试失败了" → Claude可能选择O3 + debug"使用flash快速检查这段代码的格式" → 明确指定使用Gemini Flash"让o3深入思考并调试这个逻辑错误" → 明确指定使用O3

工具选择指南

需要思维伙伴？ → chat（头脑风暴、获取第二意见）需要深度思考？ → thinkdeep（扩展分析、发现边缘情况）代码需要审查？ → codereview（错误、安全、性能问题）预提交验证？ → precommit（提交前验证git变更）有问题需要调试？ → debug（根因分析、错误追踪）想理解代码？ → analyze（架构、模式、依赖关系）

高级特性

跨工具对话延续 可以在同一个对话线程中使用多个工具：

使用analyze分析代码架构接着用codereview查找安全问题然后用debug解决发现的问题最后用precommit验证修复

Web搜索集成 工具可以智能推荐Web搜索来增强分析：

识别需要最新文档的领域推荐具体的搜索关键词帮助Claude获取最新的最佳实践

技术架构亮点

Docker化部署

完全容器化，确保环境一致性Redis支持AI对话持久化自动映射工作空间目录

智能文件处理

自动展开目录结构根据模型容量管理token限制支持绝对路径文件访问

对话线程管理

Redis持久化对话上下文支持最多5次交换，1小时过期线程安全的并发处理

响应格式标准化

{  "status": "success|error|requires_clarification",  "content": "实际响应内容",  "content_type": "text|markdown|json",  "metadata": {"tool_name": "analyze", ...}}

总结

Zen MCP代表了AI协作开发的新趋势。它不仅让Claude获得了多模型协作能力，更重要的是实现了真正的AI编排——让合适的AI在合适的时间处理合适的任务。

无论你是需要深度代码分析、安全审查、架构设计，还是复杂问题调试，Zen MCP都能通过智能的模型选择和无缝的协作流程，为你提供最优质的AI辅助开发体验。

在AI辅助开发的道路上，Zen MCP无疑是一个值得尝试的强大工具。它将多个AI的优势结合起来，让你的开发效率和代码质量都得到显著提升。

---

立即体验Zen MCP：

GitHub仓库：github.com/BeehiveInno…开源协议：MIT License支持平台：Claude Code、Claude Desktop

让AI协作开发成为现实，从Zen MCP开始！ 🚀

🚀安装

# 克隆项目到本地git clone <https://github.com/BeehiveInnovations/zen-mcp-server.git># 进入项目路径cd zen-mcp-server# 修改配置文件添加API keynano .env./setup-docker.sh# 检查是否添加成功claude mcp list

添加到Claude桌面版

{  "mcpServers": {    "zen": {      "command": "docker",      "args": [        "exec",        "-i",        "zen-mcp-server",        "python",        "server.py"      ]    }  }}

注意

当DEFAULT_MODEL=auto时，Claude会自动选择最合适的模型

用例

Use flash for quick analysisUse o3 to debug thisChat with zen and pick the best model for this job. I need to pick between Redis and Memcached for session storage and I need an expert opinion for the project I'm working on. Get a good idea of what the project does, pick one of the two optionsand then debate with the other models to give me a final verdictThink deeper about my authentication design with pro using max thinking mode and brainstorm to come up with the best architecture for my projectPerform a codereview with gemini pro and review auth.py for security issues and potential vulnerabilities.I need an actionable plan but break it down into smaller quick-wins that we can implement and test rapidly Now use gemini and perform a review and precommit and ensure original requirements are met, no duplication of code orlogic, everything should work as expectedUse zen and perform a thorough precommit ensuring there aren't any new regressions or bugs introduced"Use gemini to debug this TypeError: 'NoneType' object has no attribute 'split'""Get gemini to debug why my API returns 500 errors with the full stack trace: [paste traceback]""Use gemini to analyze main.py to understand how it works""Get gemini to do an architecture analysis of the src/ directory"使用 zen 为我的 Python 项目创建完整 Web UI：项目路径：/pdf2md要求：分析功能 → 设计界面 → 生成代码 → 部署方案让 flash 负责架构，pro 负责实现，o3-mini 负责验证。使用 zen 设计并开发一个 React 待办事项管理应用。请按以下流程进行：1. 用 thinkdeep 深度思考应用架构和功能设计2. 将设计方案提交给 o3-mini 进行逻辑审查和可行性评估3. 根据 o3-mini 的建议优化设计，保持功能简洁实用4. 开始实现，每完成一个核心功能就用 Gemini Pro 进行代码审查5. 如需 UI/UX 创意灵感，与 Flash 讨论交互设计思路目标：创建一个用户友好、代码质量高的任务管理应用。

核心工具说明

chat: 协作思考和开发对话thinkdeep: 扩展推理和问题解决codereview: 专业代码审查，有严重性分级precommit: 提交前的 git 变更验证debug: 根本原因分析和调试analyze: 通用文件和代码分析

---