Multi-agent MCP Server for Claude Code, Windsurf, Cursor - AI development team collaboration
npm install claude-team> 🤖 让 Claude Code / Windsurf / Cursor 同时使用 GPT、Claude、Gemini 等多个模型协作完成任务
- 🤖 多模型协作 - 配置多个模型，各自发挥所长，协作完成任务
- 🧠 智能任务分配 - 主模型分析任务，自动分配给最合适的模型执行
- 🌐 支持中转 API - 自定义 Base URL，兼容各种代理服务
- 🔧 灵活配置 - 每个模型可独立配置 API Key、URL、模型 ID
- 📝 协作历史 - 完整记录每次协作，支持搜索和回顾
``bash`
npm install -g claude-team
或直接使用 npx（无需安装）：
`bash`
npx claude-team
---
打开配置文件 ~/.claude/config.json：
`bashmacOS/Linux
open ~/.claude/config.json
$3
编辑
，添加以下内容：#### 基础配置（双模型）
`json
{
"mcpServers": {
"claude-team": {
"command": "npx",
"args": ["-y", "claude-team"],
"env": {
"CLAUDE_TEAM_MAIN_KEY": "sk-your-api-key",
"CLAUDE_TEAM_MAIN_URL": "https://api.openai.com/v1",
"CLAUDE_TEAM_MAIN_MODEL": "gpt-4o",
"CLAUDE_TEAM_MAIN_PROVIDER": "openai",
"CLAUDE_TEAM_MODEL1_NAME": "gpt-3.5-turbo"
}
}
}
}
`#### 推荐配置（三模型协作）
json
{
"mcpServers": {
"claude-team": {
"command": "npx",
"args": ["-y", "claude-team"],
"env": {
"CLAUDE_TEAM_MAIN_KEY": "sk-your-main-key",
"CLAUDE_TEAM_MAIN_URL": "https://api.openai.com/v1",
"CLAUDE_TEAM_MAIN_MODEL": "gpt-4o",
"CLAUDE_TEAM_MAIN_PROVIDER": "openai",
"CLAUDE_TEAM_MODEL1_KEY": "sk-your-model1-key",
"CLAUDE_TEAM_MODEL1_URL": "https://api.anthropic.com/v1",
"CLAUDE_TEAM_MODEL1_NAME": "claude-3-sonnet",
"CLAUDE_TEAM_MODEL1_PROVIDER": "anthropic",
"CLAUDE_TEAM_MODEL2_KEY": "sk-your-model2-key",
"CLAUDE_TEAM_MODEL2_URL": "https://generativelanguage.googleapis.com/v1",
"CLAUDE_TEAM_MODEL2_NAME": "gemini-pro",
"CLAUDE_TEAM_MODEL2_PROVIDER": "gemini"
}
}
}
}
`#### 中转 API 配置（同一服务多模型）
json
{
"mcpServers": {
"claude-team": {
"command": "npx",
"args": ["-y", "claude-team"],
"env": {
"CLAUDE_TEAM_MAIN_KEY": "your-proxy-key",
"CLAUDE_TEAM_MAIN_URL": "https://your-proxy.com/v1",
"CLAUDE_TEAM_MAIN_MODEL": "gpt-4o",
"CLAUDE_TEAM_MAIN_PROVIDER": "openai",
"CLAUDE_TEAM_MODEL1_NAME": "gpt-3.5-turbo",
"CLAUDE_TEAM_MODEL2_NAME": "claude-3-haiku",
"CLAUDE_TEAM_MODEL2_PROVIDER": "anthropic"
}
}
}
}
`> 💡 PROVIDER 可选值:
| anthropic | gemini
> 💡 如果 MODEL1/2/3 没有单独配置，会自动继承 MAIN 的配置$3
配置完成后，重启 Claude Code 使配置生效。
$3
在 Claude Code 中直接对话：
`
> 帮我用团队协作完成一个用户登录功能
> 让团队帮我优化这段代码的性能
---
🔧 Windsurf / Cursor 配置
配置文件位置：
- Windsurf:
- Cursor: 配置格式与 Claude Code 相同。
---
⚙️ 配置说明
| 环境变量 | 必需 | 说明 |
|---------|------|------|
|
| ✅ | 主模型 API Key |
| CLAUDE_TEAM_MAIN_URL | ❌ | 主模型 API 地址 |
| CLAUDE_TEAM_MAIN_MODEL | ❌ | 主模型 ID（默认 gpt-4o） |
| CLAUDE_TEAM_MODEL{N}_KEY | ❌ | 模型N API Key（默认用 MAIN 的） |
| CLAUDE_TEAM_MODEL{N}_URL | ❌ | 模型N API 地址（默认用 MAIN 的） |
| CLAUDE_TEAM_MODEL{N}_NAME | ❌ | 模型N ID |
| CLAUDE_TEAM_CUSTOM_EXPERTS | ❌ | 自定义专家配置（JSON 格式） |> N = 1, 2, 3... 最多支持 10 个工作模型
$3
除了内置的
frontend、backend、qa 专家，你可以定义自己的专家：`json
{
"mcpServers": {
"claude-team": {
"command": "npx",
"args": ["-y", "claude-team"],
"env": {
"CLAUDE_TEAM_MAIN_KEY": "sk-your-key",
"CLAUDE_TEAM_CUSTOM_EXPERTS": "{\"rust\":{\"name\":\"Rust专家\",\"prompt\":\"你是Rust专家，精通Rust语言、内存安全、并发编程、cargo生态。\",\"tier\":\"powerful\"},\"k8s\":{\"name\":\"K8s专家\",\"prompt\":\"你是Kubernetes专家，精通容器编排、Helm、服务网格。\",\"tier\":\"balanced\"}}"
}
}
}
}
`配置后，
和 code_review 工具会自动支持你定义的专家类型。专家配置字段：
| 字段 | 必需 | 说明 |
|------|------|------|
|
name | ✅ | 专家显示名称 |
| prompt | ✅ | 专家角色描述（System Prompt） |
| tier | ❌ | 模型级别：fast/balanced/powerful（默认 balanced） |
| skills | ❌ | 技能标签数组 |$3
| 模型 | 用途 |
|------|------|
| MAIN | 主模型：分析任务、分配工作、也参与执行 |
| MODEL1/2/3... | 工作模型：各自执行擅长的任务 |
---
🎬 工作原理
`
用户: "优化这个 SQL 查询的性能"Tech Lead 分析 →
├── 创建: SQL 优化专家 (powerful)
├── 创建: 索引分析专家 (balanced)
└── 工作流: sequential
用户: "写一个带暗黑模式的设置页面"Tech Lead 分析 →
├── 创建: UI 组件专家 (balanced)
├── 创建: 主题系统专家 (fast)
├── 创建: 状态管理专家 (balanced)
└── 工作流: parallel → review
🛠️ MCP 工具
| 工具 | 描述 |
|------|------|
|
| 🚀 团队协作完成任务（自动创建专家） |
| ask_expert | 💬 咨询专家（支持自定义专家） |
| code_review | 🔍 代码审查 |
| fix_bug | 🐛 Bug 修复 |$3
| 工具 | 描述 |
|------|------|
|
team_dashboard | 🎛️ 查看团队状态：可用专家、模型配置、运行统计 |
| cost_estimate | 💰 预估任务成本（Token 用量、费用、耗时） |
| explain_plan | 🧠 预览 Tech Lead 的任务分配方案（不实际执行） |
| usage_stats | 📈 查看各模型使用统计 |$3
| 工具 | 描述 |
|------|------|
|
read_project_files | 📄 读取项目文件，让专家了解代码上下文 |
| analyze_project_structure | 🏗️ 分析项目结构，识别技术栈 |
| generate_commit_message | 📝 根据 diff 生成 Git commit message |$3
| 工具 | 描述 |
|------|------|
|
list_workflows | 📋 列出所有预定义工作流模板 |
| run_workflow | ▶️ 使用指定工作流执行任务 |
| suggest_workflow | 💡 根据任务自动推荐工作流 |预定义工作流:
| 工作流 | 用途 | 步骤 |
|--------|------|------|
|
code-generation | 从需求生成代码 | 架构设计 → 代码实现 → 测试 → 审查 |
| bug-fix | 诊断和修复 Bug | 问题诊断 → 修复实现 → 验证 |
| refactoring | 代码重构 | 代码分析 → 重构计划 → 执行 → 审查 |
| code-review | 多维度代码审查 | 安全/质量/性能并行审查 |
| documentation | 生成技术文档 | 代码分析 → 文档生成 |$3
| 工具 | 描述 |
|------|------|
|
history_list | 📋 查看协作历史 |
| history_get | 📄 获取历史详情 |
| history_search | 🔎 搜索历史记录 |
| history_context | 📚 获取最近上下文 |⚙️ 高级配置 (可选)
$3
如果你有多个 API Key，系统会自动优化分配：
`bash
设置多个 Key，获得最佳体验
export GEMINI_API_KEY="xxx" # → fast 任务
export OPENAI_API_KEY="sk-xxx" # → balanced 任务
export ANTHROPIC_API_KEY="xxx" # → powerful 任务
`$3
需要更精细的控制？创建高级配置：
bash
claude-team init --advanced
`这会在
创建配置文件，你可以自定义：
- 模型选择和参数
- 专家角色定义
- 协作流程设置$3
| 级别 | 用途 | 示例场景 |
|------|------|---------|
|
fast | 简单、快速任务 | 格式化、简单查询、文档生成 |
| balanced | 常规开发任务 | 组件开发、API 实现、单元测试 |
| powerful | 复杂推理任务 | 架构设计、性能优化、安全审计 |📦 更新日志
$3
- 🎯 自定义专家 - 通过环境变量定义专家（Rust专家、K8s专家等）
- 🔗 工作流模板 - 5 个预定义工作流（代码生成、Bug修复、重构、审查、文档）
- 📊 可观测性 - team_dashboard / cost_estimate / explain_plan 工具
- 🔌 项目集成 - read_project_files / analyze_project_structure / generate_commit_message
- 💡 智能推荐 - suggest_workflow 根据任务自动推荐工作流
- 🧪 测试覆盖 - 155 个测试用例全覆盖$3
- 🔄 任务中断/恢复 - 长任务中断后可从历史恢复继续执行
- 💬 专家多轮对话 - 支持与特定专家进行多轮对话
- 📊 Token 计数 - 统计 token 使用量和估算 API 成本
- 📋 专家模板 - 6 个内置模板 + 自定义模板管理
- 🔔 Webhook 通知 - 任务完成后发送通知
- ⚡ 指数退避 - 智能重试和 429 速率限制处理
- 🔧 配置热重载 - 支持不重启更新配置
- ✅ validate 命令 - claude-team validate 检查配置
- 🧪 单元测试 - 86 个测试用例全覆盖$3
- 🌊 流式输出 - 所有适配器支持流式输出（OpenAI/Claude/Gemini）$3
- 📊 使用统计 - 新增 usage_stats` 工具，查看各模型调用次数、成功率、平均耗时欢迎提交 Issue 和 Pull Request！
MIT