UniLLM 纯文本大模型 MCP

用一套统一接口调用市场主流的纯文本大模型，屏蔽各家协议差异。本 Skill 背后是一个 MCP Server。

支持 12 家厂商：OpenAI、Anthropic Claude、Google Gemini、DeepSeek、智谱 GLM、通义千问、Kimi（月之暗面）、豆包（火山方舟）、百川、MiniMax、零一万物，以及任意自定义 OpenAI 兼容端点（Ollama / vLLM / OneAPI / 中转网关）。

> <skill-directory> 指本 Skill 所在目录，而非用户项目目录。
> MCP Server 源码位于 <skill-directory>/server/。

⚠️ 核心声明：仅文本情况下可调用

本 MCP 只接受纯文本模型，且拒绝任何图片输入。

这是运行时强制的契约，不是文档约定 —— 校验发生在任何网络请求之前，被拒绝的调用不消耗任何 API 配额。

调用时（runtime）的判定规则

text_chat 收到一次调用
   │
   ├─ 1. messages 中带 images？          → ⛔ 拒绝（图片输入一律拒绝）
   ├─ 2. model 在「多模态白名单」中？    → ⛔ 拒绝
   ├─ 3. model 在「纯文本清单」中？      → ✅ 放行
   └─ 4. model 不在任何内置清单（自定义名 / 接入点 ID）
            ├─ textOnly=true  → ✅ 放行
            └─ 未声明          → ⛔ 拒绝

关键差异：本契约没有「带图放行」这一途 —— 图片输入一律拒绝，无论模型是什么。这是刻意的单向约束。

满足契约的两种方式

工具一览

> 工具在 Agent 中的实际名称形如 mcp__plugin_unillm-text_unillm-text__text_chat，调用时用短名即可。

各厂商纯文本可用性速查

> 💡 只有 DeepSeek 与百川同时满足「国内直连 + 有纯文本模型」，是纯文本场景的首选。
> 用 text_list_models(provider=...) 可随时获取最新明细，返回会明确区分「纯文本」「多模态（不可用）」「向量」三类。

When to Use

• 用户要求调用大模型完成文本任务：文本生成、问答、摘要、翻译、改写、代码生成、文案撰写、角色扮演。
• 用户需要多轮文本对话（带 system prompt、温度控制）。
• 用户要做多模型对比 / 投票，需要一次调用多家厂商的文本模型。
• 用户问「支持哪些文本模型」「某厂商有哪些纯文本模型」「密钥配了没有」。
• 用户要把文本 LLM 能力接进自己的应用，需要一份可复用的统一 API 封装。

When NOT to Use

• 需要图像理解 / 图文问答 —— 本 MCP 会拒绝图片输入，请改用配套的 unillm-multimodal 多模态 MCP。
• 需要文本向量化（embeddings） —— 请使用 unillm-multimodal 的 llm_embed 工具。
• 需要图像生成（文生图）—— 当前版本不含该能力。
• 需要流式输出 —— 当前 text_chat 为一次性返回完整结果。

参数说明

text_chat

密钥配置

密钥只从环境变量读取，不会写入任何文件，也不会回显完整值。

export DEEPSEEK_API_KEY="sk-xxxxxxxx"    # 纯文本场景首选，国内直连
export BAICHUAN_API_KEY="xxxxxxxx"
export ZHIPU_API_KEY="xxxxxxxx"
export DASHSCOPE_API_KEY="sk-xxxxxxxx"   # 通义千问
export MOONSHOT_API_KEY="sk-xxxxxxxx"    # Kimi
export ARK_API_KEY="xxxxxxxx"            # 豆包（火山方舟）
export OPENAI_API_KEY="sk-xxxxxxxx"      # 需代理
export ANTHROPIC_API_KEY="sk-ant-xxxx"   # 需代理
export GEMINI_API_KEY="xxxxxxxx"         # 需代理

配置后可用 text_provider_status(provider="deepseek") 核对。

调用示例

1. 单轮文本对话

text_chat(
  provider="deepseek",
  model="deepseek-chat",
  messages=[{"role": "user", "content": "用一句话解释什么是 MCP"}]
)

2. 多轮对话（需完整传入历史）

text_chat(
  provider="zhipu",
  model="glm-4-long",
  messages=[
    {"role": "system", "content": "你是一位严谨的技术顾问"},
    {"role": "user", "content": "什么是 RAG？"},
    {"role": "assistant", "content": "RAG 是检索增强生成…"},
    {"role": "user", "content": "它和微调相比有什么优劣？"}
  ],
  temperature=0.3
)

3. 长上下文文本处理

text_chat(
  provider="qwen",
  model="qwen-long",
  messages=[{"role": "user", "content": "<超长文档内容>\n\n请提炼要点"}]
)

4. 强推理任务

text_chat(
  provider="zhipu",
  model="glm-z1-air",
  messages=[{"role": "user", "content": "证明：素数的个数是无限的"}]
)

5. 自定义 / 私有部署模型（必须声明）

text_chat(
  provider="custom",
  baseUrl="http://localhost:11434/v1",
  apiKey="ollama",
  model="qwen2.5:7b",
  textOnly=true,            # ← 必填：声明这是纯文本模型
  messages=[{"role": "user", "content": "你好"}]
)

6. 多模型对比（同一问题问多家）

deepseek/deepseek-chat  vs  zhipu/glm-4-long  vs  qwen/qwen-long

7. 走代理调用 OpenAI

text_chat(
  provider="openai",
  baseUrl="https://your-gateway.example.com/v1",
  model="gpt-4-turbo",
  messages=[{"role": "user", "content": "hello"}]
)

选型建议

错误处理

注意事项

1. 契约校验先于网络请求：被拒绝的调用不消耗任何 API 配额。
2. 不要打印密钥：任何情况下都不要 echo $XXX_API_KEY，也不要把它写进用户文件。
3. 多轮要传全历史：本工具无服务端会话状态，多轮对话必须把历史消息完整放进 messages。
4. Claude 的 max_tokens 必填：代码已默认补 4096，可按需覆盖。
5. 模型名以厂商文档为准：内置清单是推荐值，厂商上新后可能变化；自定义模型请用 textOnly: true 调用。

可配置项

安装与自检

cd <skill-directory>/server
npm install && npm run build
node dist/index.js    # stdio 启动；正常时 stderr 输出启动日志

若 MCP Server 未被加载，检查：
1. server/dist/index.js 是否已构建；
2. .mcp.json 中 ${CODEBUDDY_PLUGIN_ROOT} 是否被正确展开；
3. 插件是否在 settings.json 的 enabledPlugins 中启用。

> 需要图像理解能力，请同时安装配套技能 unillm-multimodal（多模态 MCP）。两者可独立安装，也可并存。