我给 Claude Code 写了个 MCP Server，让它自己上蓝耘挑模型干活

一个 API Key、49 个模型、100 来行 Python------现在我的 Claude Code 会自己决定：这活该雇便宜的，还是该请旗舰。

写在前面

用 Claude Code 干活的人大概都有过这种时刻：让它写段代码，它写得挺好；但你突然想让它"再问问 Kimi 的意见"，或者"拿个便宜模型把这 20 条文案批量改了"------然后就尴尬了。

Claude Code 不是只有一个脑子吗？

其实 MCP（Model Context Protocol）就是干这个的：给 Claude Code 挂工具。那我能不能写一个工具，把蓝耘元生代 MaaS 平台上的模型柜台整个搬进来------Claude 想用哪个模型，自己看着挑？

听着有点绕：AI 里的 Claude，指挥蓝耘上的 GLM、Kimi、DeepSeek 干活？

结论先放：能，而且好用。下面把整个过程拆给你看：怎么写这个 Server、怎么接入、以及三个真实任务的实测数据------包括 Claude 自己把一次翻译任务派给了最便宜的模型，把找 bug 的活派给了重推理档，一分钱没多花。

一、先看效果

三个任务，同一个 Claude Code，全程我没指定过一次模型名：

任务	Claude 自己挑的模型	Token 消耗	它给出的理由
翻译一句话	glm-5.3-flash（轻量档）	1,157	"翻译属于轻量场景，用旗舰纯属杀鸡用牛刀"
找出 Python 代码 bug	deepseek-v4-pro（重推理档）	5,534	"flash 怕粗心漏掉控制流陷阱，重推理档最合适"
三模型同题对比	glm-5.3-flash + deepseek-v4-pro + kimi-k3	12 次调用共 25,351	两代探针双轮对照，抓到幻觉苗头并被检索压制

它不是瞎挑的。每次调用前它都会先看一遍蓝耘的模型清单和定位说明，再根据任务难度下单。这就是这篇文章要做出来的东西。

二、要解决什么问题

先说痛点。想在 Claude Code 里用上别家模型，传统玩法是人肉搬运：

1. 开个浏览器，登 xxx 官网，把代码粘进去，问一遍；
2. 再开个 DeepSeek，同样的内容再粘一遍；
3. 觉得 glm 也该问问，第三遍；
4. 想对比 token 花费？去三个控制台各查一遍账单。

来回切换窗口、反复复制粘贴、每个平台管一套 Key------我管的 Key 已经够多了，实在不想再养三个。

更深一层的问题是：什么时候该用哪个模型，本来就不该是人来记的。"改条文案还要动用旗舰模型"和"重要决策只问一个便宜模型"，本质是同一个错误：派活不看难度。这种判断，让 Claude 自己做最合适------它手里就有任务上下文，它知道这活轻还是重。

所以目标很明确：

• 一个 MCP Server，把蓝耘的模型清单和调用能力包成两个工具；
• Claude 干活时自己决定：这个子任务派哪个模型、要不要多问几家；
• 每次调用自动带回首付账单（token 消耗），成本可见。

三、为什么选蓝耘元生代

市面上能拿到大模型 API 的路子不少，我把常见的几条摆一摆：

方案	要管几个 Key	模型切换	适合场景
直连各厂商官网 API	一家一个，越多越多	每家一套接入方式	只深度用某一家
海外聚合平台	1 个	统一接口，但国内访问和计费是个坑	有海外支付手段的团队
本地部署开源模型	不用 Key，但要管 GPU	换模型=重新部署	数据绝对不能出门
蓝耘元生代 MaaS	1 个	改一个字符串就换模型	需要多模型、按量付费

我这次选蓝耘，理由很具体：

1. 模型够多且都是当打型号。 GET /v1/models 拉下来 49 个，GLM-5.3 全家、Kimi-K3、DeepSeek-V4 系列、通义 Qwen3.8-Max、MiniMax，还有个 automodel 智能路由聚合模型------文本、语音、视频生成模型都在一个柜台里。

2. OpenAI 兼容协议。 这意味着 Server 里就是标准的 chat/completions 调用，没有任何专有 SDK，代码可读性拉满。

3. 换模型零成本。 网关层屏蔽了各家差异，model 字段从 glm-5.3-flash 改成 kimi-k3，其他一行不用动。这对"让 Claude 自己挑模型"是决定性的：挑选动作被简化成了一个字符串。

4. 用量可查。 每次调用的 usage 会返回，控制台还有调用记录和用量统计，写文章对账方便。

需要说明的是：各家厂商自己的 API 用起来也都不难，蓝耘的核心价值是把"多模型"这件事的复杂度从 N 压到 1------一个 Key、一个 base_url、一套计费。你要是只用某一个模型，直连官方也很好；但只要任务里出现"第二个模型"，统一网关就开始省钱省心了。

四、MCP Server：100 行代码，两个工具

设计思路一句话：把蓝耘的模型清单做成"菜单"，把调用做成"下单"，剩下的判断交给 Claude。

lanyun-mcp/
├── lanyun_mcp.py   # Server 本体，约 100 行
└── mcp.json        # Claude Code 接入配置

依赖只有官方 MCP SDK（pip install mcp），调用蓝耘用 Python 标准库 urllib，不引入任何第三方 HTTP 客户端------读者复制粘贴就能跑。

工具一：list_models（看菜单）

先解决"Claude 怎么知道有哪些模型、各自什么定位"。直接透传 49 个裸 ID 意义不大，所以 Server 里内置了一份定位标注，挑模型前 Claude 先看这个：

MODEL_NOTES = {
    "glm-5.3-flash": "智谱轻量档：响应快、价格低，适合翻译、改写、批量粗活",
    "glm-5.3": "智谱旗舰：百万上下文 + 128K 输出，复杂推理、大代码库分析",
    "kimi-k3": "月之暗面旗舰：1000K 上下文，多文档交叉比对、长资料研判",
    "kimi-k2.7-code": "Kimi 代码特化版：整库开发、代码智能体任务",
    "deepseek-v4.1-flash": "DeepSeek 轻量档：便宜耐造，日常问答、结构化提取",
    "deepseek-v4-pro": "DeepSeek 重推理档：数学、逻辑推演类任务",
    "qwen3.8-max": "通义旗舰：多模态解析、复杂长任务",
    "minimax-m3": "MiniMax 旗舰：Agent 与工具调用任务",
    "automodel": "蓝耘智能路由聚合模型：一个入口自动调度多款模型",
}

@server.tool()
def list_models() -> str:
    """列出蓝耘元生代当前可调用的模型清单及定位说明，挑模型前先看这个。"""
    data = _lanyun_api("/models")
    ids = sorted(m["id"] for m in data.get("data", []))
    lines = [f"蓝耘元生代当前共 {len(ids)} 个可用模型。常用文本模型定位："]
    for mid, note in MODEL_NOTES.items():
        if mid in ids:
            lines.append(f"- {mid}：{note}")
    # ......其余模型原样列出，完整清单以接口实时返回为准
    return "\n".join(lines)

注意最后一行注释：模型清单以接口实时返回为准 ，标注只是参考。平台模型迭代很快（我拉到的列表里 DeepSeek 已经是 v4.1 了），把清单写死在代码里注定过时，所以每次都实时调 /v1/models，标注和实时列表取交集------标注的模型下架了也不会误导 Claude。

工具二：chat（下单）

调用本身是标准的 OpenAI 兼容请求，唯一的花头是把 usage 带在返回结果末尾，让 Claude 用完就知道花了多少：

@server.tool()
def chat(model: str, prompt: str,
         system_prompt: str = "你是一个简洁专业的中文助手。") -> str:
    """调用蓝耘元生代上的指定模型完成一次对话，返回模型回复和 token 消耗。"""
    result = _lanyun_api("/chat/completions", {
        "model": model,
        "messages": [
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": prompt},
        ],
    })
    content = result["choices"][0]["message"].get("content", "")
    usage = result.get("usage", {})
    return (
        f"{content}\n\n---\n"
        f"[模型 {model} | 输入 {usage.get('prompt_tokens', '?')} tok / "
        f"输出 {usage.get('completion_tokens', '?')} tok / "
        f"合计 {usage.get('total_tokens', '?')} tok]"
    )

底层封装 _lanyun_api() 做了两件朴素的事：从环境变量读 LANYUN_API_KEY（Key 不进代码、不进配置文件），以及把平台的原始报错透传出去------404 是模型名不对、402 是余额不足、401 是 Key 无效，Claude 看到原始报错自己就能处理，不用我预先翻译。

两个工具，就这么点东西。没有路由引擎、没有调度框架------"挑哪个模型"这个决策本来就该 Claude 做，Server 只需要把菜单和电话递过去。

五、接入 Claude Code

从注册到跑通，三步，十分钟以内。

第 1 步：注册蓝耘，创建 API Key

先去蓝耘元生代 MaaS 平台（https://maas.lanyun.net/）注册账号。首页右上角注册入口，手机号验证码登录，流程和其他云平台一致，两三分钟的事。

登录后进控制台，找到 API Key 管理 ，点创建，生成一串 sk- 开头的密钥。这个 Key 就是打开整个模型柜台的钥匙------49 个模型一个 Key 全带走，不用像直连厂商那样挨家注册挨家领 Key。

两个提醒：

• Key 只在创建时完整展示一次，及时保存；泄露了随时可以在这里作废重建；
• 建议顺手看一眼控制台的余额/资源包页面。平台对新用户有免费 Token 额度，本文全部实测加起来三万来个 token，免费额度绰绰有余，不充值也能把本文流程完整跑一遍。

第 2 步：注册 MCP Server

一行命令把 Server 注册进 Claude Code（Windows 下）：

claude mcp add lanyun-maas -s user ^
  -e "LANYUN_API_KEY=你的Key" ^
  -- python "F:/你的路径/lanyun_mcp.py"

-s user 表示注册到用户级配置，任何目录开的 Claude Code 都能用；-e 把 Key 作为环境变量传给 Server 进程，Key 只存在于你本机的 Claude 配置里，不出现在任何代码文件中。

第 3 步：验证连接

新开一个 Claude Code 会话，输入 /mcp，看到 lanyun-maas ✔ Connected 就成了（开篇效果展示那样）。

六、实测三连

下面三个任务全部真实执行，模型全部由 Claude 自己挑选，我只提供任务描述。

场景一：一句翻译（轻活，看它会不会省钱）

我的原话是：

把「统一网关就像小区的快递柜，一家一个入口太乱，不如全楼共用一个」翻译成地道的英文。先看有哪些模型可用，然后你自己挑一个最便宜、够用的。

Claude 先调了 list_models，然后选了 glm-5.3-flash，理由原文：

这次调用 1157 token，轻量档价格。

场景二：找 bug（重活，看它会不会请专家）

我给它一段有 bug 的 Python（累加得分取 Top-K，bug 是缩进错误导致累加结果每轮被覆盖）：

def find_top_k(items, k):
    result = {}
    for name, score in items:
        if name in result:
            result[name] += score
        result[name] = score      # bug：这行不在 else 里，每轮都执行，覆盖累加值
    return sorted(result.items(), key=lambda x: x[1], reverse=True)[:k]

这次 Claude 给出的答案如下

49 个模型里，这个任务是「6 行代码里找一个隐蔽的逻辑 bug」------不需要旗舰大上下文，flash 档又怕它粗心漏掉这种控制流陷阱，选 deepseek-v4-pro（重推理档，专吃逻辑推演）最合适。

模型不但找出了 bug，还自己走了一遍控制流：拿 [("a", 1), ("a", 2)] 演示------第一条进字典得 1，第二条累加成 3、随即又被覆盖回 2。结论一针见血：重复出现的 name 只保留最后一次 score，聚合完全失效。修复给了两种写法：加个 else，或者干脆一行 result[name] = result.get(name, 0) + score。

这次调用 5534 token。 和场景一对比：Claude 真的在按活儿轻重派单。

场景三：验证「RAG 能减少幻觉」（Claude 不但组了队，还自己设计了实验）

第三个任务我只给了一句话：

我想验证一个说法：「RAG 通过检索外部知识再生成，能减少大模型幻觉」。挑 3 个不同厂商、不同定位的模型，用完全相同的问题分别调用，对比答案差异和 token 消耗。

结果 Claude 接到活先泼了盆冷水：它指出 chat 工具是纯 prompt 进出，蓝耘的模型不会联网检索，所以"RAG"只能模拟------把检索到的资料塞进 prompt 当上下文；而且光"三个模型问同一题"，比出来的是模型间差异，验不出 RAG 这个变量本身，得有对照组。跟我确认了三个设计选项后，它定了方案：

编一个不存在的 Clang 参数 -fsanitize=lazyptr 当探针（真实的 address/thread/undefined/leak 它都熟，就这个名字是编的），同一问题分两轮发给三个模型------一轮裸问，一轮带上真从 Clang 官方文档检索到的 sanitizer 清单（清单里自然没有 lazyptr，正确答案就是"查无此 flag"）。模型组合还是它自己挑的：glm-5.3-flash（轻量下限参照）+ deepseek-v4-pro（推理档）+ kimi-k3（旗舰上限参照），三家厂商三种定位。

第 1 轮（裸问）：三个模型全部识破，没人编造。

模型	判定	要点	Token
glm-5.3-flash	✅ 但带推测	排除后额外推测"可能是 Apple 私有工具链的懒绑定检测"	5,390
deepseek-v4-pro	✅ 干净	直接排除，还列出可能是记混的真实 flag	4,436
kimi-k3	✅ 最干脆	给出报错信息格式，点破"可能来自 AI 生成的错误内容"	1,568

第 2 轮（带上真检索到的官方文档）：它用检索工具拉了 Clang 官方 sanitizer 文档（中途一次抽取失败，换了个模式重试拿到 11 个真实 flag），把同一段资料塞给三个模型：

模型	变化	Token	Δ
glm-5.3-flash	Apple 推测消失，还主动声明"编一段就是造谣"	1,824	-66%
deepseek-v4-pro	答案最简短	815	-82%
kimi-k3	判断不变，但夹带了资料外的 nullability（真实存在，非幻觉）	1,660	+6%

实验一小结：主检验失败，探针太弱。 三个模型裸问全对，"减少幻觉"无从谈起。但两个真变化值得记：flash 那段 Apple 推测在给定官方文档后彻底消失------全程第一次直接观察到"检索压制胡说"；deepseek 带资料后输出直降 82%------喂资料比让它自由发挥更省钱。

探针升级：真实函数 + 虚构参数（实验二）

假 flag 还是太好认了。Claude 自己提了升级方案：用真实函数配虚构参数------问"Python 的 functools.lru_cache 的 ignore_args 参数是什么行为"。lru_cache 人人用过、模型知识库里全是它，但 ignore_args 是编的，官方签名只有 maxsize 和 typed。函数是真的、参数是假的，模型更容易"顺手发挥"。

第 1 轮（裸问）：这次抓到了"幻觉的苗头"。

模型	判定	要点	Token
glm-5.3-flash	✅	"没有 ignore_args，你记混了"，真实参数背得很准	511
deepseek-v4-pro	✅ + ⚠️	开头正确拒绝，但为了解释"如果你需要这种语义"，顺手展示了一个 @lru_cache_ignore("request_id") 装饰器用法------这个 API 查无实据	2,998
kimi-k3	✅ 最干净	拒绝 + 给出 cachetools 替代方案（代码真实可跑）	1,406

deepseek 的行为正是 2026 年幻觉的真实形态：它没有正面回答虚构的参数，而是顺手虚构了一个"帮用户实现该想象"的工具。假设语气，看起来人畜无害，但读者很容易当真。

第 2 轮（带上检索到的 Python 官方文档）：

模型	关键变化	Token	Δ
glm-5.3-flash	"只有 maxsize 和 typed"	1,979	+287%
deepseek-v4-pro	虚构的 lru_cache_ignore API 消失了，换成自己手写的包装装饰器，并明说"需要自己实现"	1,532	-49%
kimi-k3	判断不变，补充的 diskcache ignore 参数经查证真实存在	1,232	-12%

那个虚构 API 在给定官方文档后被干净地压掉了。第二次了。

两个实验的总账

12 次调用，0 次直接编造，但两次"顺手发挥"（flash 的 Apple 推测、deepseek 的虚构装饰器）全部被检索资料压制。「RAG 减少幻觉」这个说法------支持，但机制比宣传的微妙：

1. 2026 年的主流模型对"查无此 API/参数"已经训练得很好，幻觉很少出现在正面回答上，出现在顺手发挥上；
2. RAG 的真实作用不是"把错答案改对"，而是把模型的自由发挥压回证据范围内；
3. token 不是单纯变省：话痨模型带资料大降（deepseek 两次 -49%/-82%），短答案反而变长（flash +287%，资料给了它展开的素材）------RAG 是收敛开关，不是省钱开关。

诚实声明：检索到错误资料时模型会不会跟着错（RAG 幻觉的另一面）没测；论文引用、长尾史实这些真正的幻觉重灾区也没碰到------技术 API 恰好是模型最稳的领域；样本量 2 探针 × 3 模型 × 1 题，演示级验证，不是统计证明。

这个场景最打动我的其实不是实验结论，而是过程：我只给了两句话，审题、挑模型、设计对照组、编探针、检索文档、跑四轮、主动提出探针升级方案、如实汇报"实验失败"------全是 Claude 自己完成的。包工头不但会派活，还会质疑你给的活本身；活没干成，还知道怎么改方案。

要是没有这个 MCP Server，这种实验想都别想；有了它，两句话的事。

账单核对

三个场景共 14 次模型调用（1+1+12，外加几次 list_models 不计费），合计约 3.2 万 token------其中场景三的四轮对照实验烧了 2.5 万。按蓝耘控制台价格页的档位估算，全部成本在几分钱到一毛钱之间：轻量档每百万 token 几毛到几块钱，旗舰档贵一些，但这个量级依然可以忽略。真要较真，场景三那个"便宜档反而最贵"的发现，比这几分钱本身有意思多了。

七、适合谁 & 目前的限制

诚实起见，说说这套东西的边界：

适合的场景：

• 在 Claude Code 里交叉验证：重要结论多问几家模型，和人多问几个医生一个道理；
• 批量轻活降成本：改文案、起标题、格式转换这类活，让 Claude 自动派给轻量模型；
• 模型选型期横评：同题对比比看排行榜直观。

目前的限制：

• chat 工具是无状态的，每次调用独立，没有多轮对话能力（对"派子任务"场景够用，想连续追问同一个模型得改造）；
• 蓝耘的视频生成、语音模型虽然也在清单里，但当前工具只传文本，多模态要另外开发；
• Server 里的模型定位标注是人工维护的，平台上下架模型后标注可能滞后（代码里做了交集过滤，下架的不会出现在标注里）。

八、总结

回到开头的问题：Claude Code 能不能自己指挥别家大模型干活？

能，而且该让它干。派活看难度这件事，本来就不该人肉决策------Claude 手里有任务上下文，它比我们更清楚这个子任务是"改句文案"还是"走查代码"。我们要做的只是把菜单和电话递过去：一个 MCP Server、两个工具、百来行代码。

蓝耘元生代在这套流程里扮演的角色也很清楚：一个 Key 管住 49 个模型的柜台，OpenAI 兼容协议让接入代码保持在"复制粘贴能跑"的复杂度，控制台的调用记录让每一次派单都有据可查。把"多模型"从 N 套账号 N 套 SDK 压缩成一个字符串的事------这大概就是统一网关对个人开发者最实际的意义。

三个场景、十四次调用、不到一毛钱，Claude 完成了从"单脑"到"包工头"的转变。下次它再遇到拿不准的事，估计会自己说：等等，我问问我的人。

附录：完整代码与配置

lanyun_mcp.py 全文 （Python 3.10+，pip install mcp 后可直接运行）：

"""蓝耘元生代 MaaS MCP Server
把蓝耘统一网关的模型接入 Claude Code，让 Claude 按任务自动挑模型干活。
"""
import json
import os
import urllib.error
import urllib.request
from mcp.server.mcpserver import MCPServer
BASE_URL = "https://maas-api.lanyun.net/v1"
server = MCPServer(
    name="lanyun-maas",
    instructions=(
        "蓝耘元生代 MaaS 统一网关。干活前先调 list_models 看有哪些模型可调，"
        "再按任务难度用 chat 调用合适的模型：简单任务用带 flash 字样的轻量模型省钱，"
        "重推理/长文档任务用旗舰模型。"
    ),
)
# 精选模型的定位标注（模型清单以 list_models 实时返回为准，标注仅供参考）
MODEL_NOTES = {
    "glm-5.3-flash": "智谱轻量档：响应快、价格低，适合翻译、改写、批量粗活",
    "glm-5.3": "智谱旗舰：百万上下文 + 128K 输出，复杂推理、大代码库分析",
    "kimi-k3": "月之暗面旗舰：1000K 上下文，多文档交叉比对、长资料研判",
    "kimi-k2.7-code": "Kimi 代码特化版：整库开发、代码智能体任务",
    "deepseek-v4.1-flash": "DeepSeek 轻量档：便宜耐造，日常问答、结构化提取",
    "deepseek-v4-pro": "DeepSeek 重推理档：数学、逻辑推演类任务",
    "qwen3.6-flash": "通义轻量档：快速文本处理",
    "qwen3.8-max": "通义旗舰：多模态解析、复杂长任务",
    "minimax-m3": "MiniMax 旗舰：Agent 与工具调用任务",
    "automodel": "蓝耘智能路由聚合模型：一个入口自动调度多款模型",
}
def _lanyun_api(path: str, payload: dict | None = None) -> dict:
    """调用蓝耘 OpenAI 兼容接口，返回解析后的 JSON；出错时抛出带原始报错的异常。"""
    api_key = os.environ.get("LANYUN_API_KEY", "")
    if not api_key:
        raise RuntimeError("环境变量 LANYUN_API_KEY 未设置（蓝耘控制台创建 API Key 后配置）")
    req = urllib.request.Request(
        f"{BASE_URL}{path}",
        data=json.dumps(payload).encode() if payload else None,
        headers={
            "Authorization": f"Bearer {api_key}",
            "Content-Type": "application/json",
        },
    )
    try:
        with urllib.request.urlopen(req, timeout=180) as resp:
            return json.load(resp)
    except urllib.error.HTTPError as e:
        # 把平台原始报错透传出去（404 模型名不对 / 402 余额不足 / 401 Key 无效）
        raise RuntimeError(f"蓝耘 API 返回 {e.code}: {e.read().decode()[:300]}") from e
@server.tool()
def list_models() -> str:
    """列出蓝耘元生代当前可调用的模型清单及定位说明，挑模型前先看这个。"""
    data = _lanyun_api("/models")
    ids = sorted(m["id"] for m in data.get("data", []))
    lines = [f"蓝耘元生代当前共 {len(ids)} 个可用模型。常用文本模型定位："]
    for mid, note in MODEL_NOTES.items():
        if mid in ids:
            lines.append(f"- {mid}：{note}")
    others = [i for i in ids if i not in MODEL_NOTES]
    lines.append(f"\n其余模型（含视频生成 doubao-seedance / dreamina 系列、语音 speech 系列）：")
    lines.append("、".join(others))
    lines.append("\n提示：模型名必须用上面的原始 ID，照抄即可；完整清单以本接口实时返回为准。")
    return "\n".join(lines)
@server.tool()
def chat(model: str, prompt: str, system_prompt: str = "你是一个简洁专业的中文助手。") -> str:
    """调用蓝耘元生代上的指定模型完成一次对话，返回模型回复和 token 消耗。
    Args:
        model: 模型 ID，必须是 list_models 返回的原始 ID（如 glm-5.3-flash）
        prompt: 要发给模型的任务内容
        system_prompt: 系统提示词，可选，默认简洁专业中文助手
    """
    result = _lanyun_api(
        "/chat/completions",
        {
            "model": model,
            "messages": [
                {"role": "system", "content": system_prompt},
                {"role": "user", "content": prompt},
            ],
        },
    )
    content = result["choices"][0]["message"].get("content", "")
    usage = result.get("usage", {})
    return (
        f"{content}\n\n---\n"
        f"[模型 {model} | 输入 {usage.get('prompt_tokens', '?')} tok / "
        f"输出 {usage.get('completion_tokens', '?')} tok / "
        f"合计 {usage.get('total_tokens', '?')} tok]"
    )
if __name__ == "__main__":
    server.run()

mcp.json 接入配置模板（如需用配置文件方式接入）：

{
  "mcpServers": {
    "lanyun-maas": {
      "command": "python",
      "args": ["F:/你的路径/lanyun_mcp.py"],
      "env": { "LANYUN_API_KEY": "在这里填你自己的蓝耘APIKey" }
    }
  }
}

如果你的 Claude Code 也想有个"外包团队"，照着接一个，五分钟的事。