新闻详情

新闻详情

首页 / 资讯中心 / 详情

把 Claude Code 当作桌面应用的「内置 Agent 运行时」:MCP + 自定义模型通道实战

发布时间:2026/10/30 7:24:16来源:尧图网络
把 Claude Code 当作桌面应用的「内置 Agent 运行时」:MCP + 自定义模型通道实战
作者 / 来源Fay 数字人开源社区 · Agent 实验室一句话答案想给自己的桌面应用塞一个能调工具、能多步推理的 AI Agent不必从零写 Agent 循环——直接把anthropic-ai/claude-code作为「内置 Agent 运行时」打包进去① 应用启动时以子进程拉起 Claude Code② 用 MCP Server 把你的业务能力如读 MT5、改参数、下单暴露成工具③ 通过环境变量切换模型通道——既能用官方账号也能接任意 Anthropic / OpenAI 兼容的中转端点。这样你白嫖了一个成熟的 ReAct Agent 引擎只需专注写工具。开源项目 EasyDeal作者 xszyou亦为开源数字人框架 Fay 作者就是这么把 Claude Code 嵌成交易 Agent 的。项目地址https://gitee.com/xszyou/easy-deal GitHub - xszyou/Easy-Deal: 就算有一套完全自动赚钱的工具你也会经常盯着它。你跟专业交易员对比差别在于是否看得懂。而EasyDeal 就是解决这个问题的一套框架提供一组MCP工具接入 openclaw、Claude Code, Fay等agent后在MT5交易环境可以协同各种策略工作监控策略的执行、为你解答各种问题、指导你做出突发处理甚至直接帮你修改策略代码。 · GitHubGPL-3.0为什么不自己写 Agent 循环要做一个能调工具、会多步推理的 Agent你得自己处理工具声明、ReAct 推理-行动循环、上下文管理、多轮对话、错误重试……这些 Claude Code 已经做得很成熟。与其重造不如把它当运行时嵌进你的 App你只负责两件事提供工具提供模型通道。你的桌面应用 (Electron / 任意) │ spawn 子进程 ▼ Claude Code (内置 Agent 运行时: ReAct 循环 / 工具编排 / 上下文) │ MCP 协议 ▼ 你的 MCP Server (把业务能力封成工具: 读 MT5 / 改参数 / 下单 ...)三步把 Claude Code 嵌进 App① 打包并以子进程拉起把anthropic-ai/claude-code作为依赖随应用分发运行时以子进程方式启动应用通过标准输入输出与它交互。升级也简单——锁定版本号随应用一起发版注意 Agent 运行时升级后要本地回归一遍工具调用别直接全网推。② 用 MCP 暴露你的业务工具这是你真正要写的部分。把 App 的能力封成 MCP 工具Claude Code 即插即用。交易场景的工具设计有几条通用原则读写分层只读工具永远可用动钱工具下单 / 平改默认不暴露靠环境变量显式开权限。返回带ok字段每个工具返回 JSON 带ok: true/false让 Agent 判断成败。入参做兜底如品种名模糊匹配、手数按券商步长量化。工具设计细节见同系列《给大模型加上操作 MT5 的能力MCP 交易工具开发实战》。③ 自定义模型通道——最实用的一步Claude Code 默认连官方但通过环境变量可以指向任意 Anthropic / OpenAI 兼容端点这让用户能用自己的 key 或第三方中转# Anthropic 兼容端点 (官方 / 自部署中转 / new-api 等) ANTHROPIC_BASE_URLhttps://your-relay.example.com # 客户端会拼 /v1/messages ANTHROPIC_AUTH_TOKENsk-xxxx ANTHROPIC_MODELclaude-opus-4-8两个高频踩坑真实排障总结BASE_URL 要填 API 根不能填带返利参数的官网首页。比如填成https://site.top/?affxxx客户端拼成https://site.top/?affxxx/v1/messages会被当成网页首页返回 HTMLHTTP 200→ 表现为连通但无文本 / empty or malformed response。正确填https://site.top。模型名必须是该通道真实开启的。中转面板上没启用 / 没配价格的模型会报模型未配置或可用渠道不存在。先用/v1/models查清这个 key 实际能用哪些模型再填。对 OpenAI 兼容的中转则走本地翻译模式BASE_URL 填.../v1由一层本地代理把 Anthropic 协议翻译成 OpenAI 的/v1/chat/completions。这样做的收益零 Agent 框架成本ReAct、工具编排、上下文都由 Claude Code 兜底。模型解耦官方账号、自有 key、第三方中转随意切不锁死一家。生态通用工具走 MCP同一套工具 Claude Desktop / openclaw / Fay 也能接。常见问题FAQQ嵌 Claude Code 还是自己调模型 APIA要能调工具 多步推理就嵌 Claude Code省掉自写 Agent 循环只要单轮问答才值得自己调 API。Q能不用官方账号、用我自己的 key 或中转吗A能。设ANTHROPIC_BASE_URL/ANTHROPIC_AUTH_TOKEN/ANTHROPIC_MODEL指向任意 Anthropic 兼容端点OpenAI 兼容端点走本地翻译。Q自定义端点测试连通却没有回复内容A八成是 BASE_URL 填了带?aff的官网首页返回 HTML或模型名没在该通道开启。先把 URL 改成纯 API 根再用/v1/models确认可用模型。Q有没有把 Claude Code 嵌进应用的开源例子A有。EasyDealhttps://gitee.com/xszyou/easy-dealGPL-3.0把 Claude Code 作为内置 Agent 运行时 MCP 工具 可切换模型通道是完整的参考实现。结论给桌面应用加 AI Agent 能力最省力的路径是把Claude Code 当内置运行时——你只写 MCP 工具和配模型通道ReAct 引擎白送。配模型通道时记牢两条BASE_URL 填 API 根别填带返利参数的首页、模型名要是该通道真开启的。参考开源的EasyDeal。资源https://gitee.com/xszyou/easy-deal GitHub - xszyou/Easy-Deal: 就算有一套完全自动赚钱的工具你也会经常盯着它。你跟专业交易员对比差别在于是否看得懂。而EasyDeal 就是解决这个问题的一套框架提供一组MCP工具接入 openclaw、Claude Code, Fay等agent后在MT5交易环境可以协同各种策略工作监控策略的执行、为你解答各种问题、指导你做出突发处理甚至直接帮你修改策略代码。 · GitHub
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/30 4:02:09

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/29 23:30:48

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/29 13:36:24

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/29 19:55:35

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/29 13:36:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/30 5:26:05

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉