PAL MCP Server

这是什么？

PAL MCP Server 是一个多 Provider MCP 服务器，统一接入 Gemini、OpenAI、Azure、Grok、Ollama 等主流 AI 模型。GitHub BeehiveInnovations/pal-mcp-server，11.7k Stars，MIT 许可证。

核心价值：一个 MCP 端点接入所有 AI Provider。Agent 不再绑定单一模型——可以在 Claude Code 中调用 Gemini 的视觉能力，或在 Codex 中调用 Grok 的实时搜索。

适合谁：需要多模型协作的 Agent 开发者、希望统一模型接入层的团队。

前置条件：Node.js 20+，至少一个 AI Provider 的 API Key。

准备工作

安装

git clone https://github.com/BeehiveInnovations/pal-mcp-server.git
cd pal-mcp-server
npm install
npm run build

配置

创建 .env 文件：

OPENAI_API_KEY=sk-xxx
GEMINI_API_KEY=xxx
AZURE_API_KEY=xxx
GROK_API_KEY=xxx

时间预算：安装 5 分钟，配置 10 分钟。

三步上手

第一步：启动 MCP 服务器

npm start

第二步：配置 Agent 客户端

在 Claude Code 的 MCP 配置中添加：

{
  "mcpServers": {
    "pal": {
      "command": "node",
      "args": ["path/to/pal-mcp-server/dist/index.js"]
    }
  }
}

第三步：多模型调用

Agent 现在可以自由切换模型：

“用 Gemini 分析这张图片，然后用 GPT-4 写分析报告”

常见踩坑

踩坑 1：API Key 未生效

症状：调用时返回 401 Unauthorized。

原因：.env 文件位置不正确或未被加载。

解决：确认 .env 在项目根目录，重启 MCP 服务器。

踩坑 2：模型切换延迟高

症状：首次调用某个 Provider 时延迟 5-10 秒。

原因：首次连接需建立 TLS 握手和认证。

解决：使用 --warmup 参数启动时预热所有 Provider 连接。

踩坑 3：Ollama 本地模型不可用

症状：调用 Ollama 时返回 “connection refused”。

原因：Ollama 服务未启动或端口被占用。

解决：运行 ollama serve 确认服务在 11434 端口监听。

踩坑 4：费用意外增长

症状：月度 API 账单远超预期。

原因：Agent 默认使用最贵的模型（如 GPT-4）。

解决：在配置中设置 default_model: gpt-4o-mini 和 max_tokens_per_request: 4000。

踩坑 5：Provider 限流

症状：高频调用时返回 429 Too Many Requests。

原因：超出 Provider 的 RPM/TPM 限制。

解决：配置 rate_limit 参数，PAL 会自动排队和重试。

FAQ

Q1: PAL MCP Server 是否免费？

A: 服务器本身开源免费（MIT）。使用的 AI API 按各 Provider 定价收费。

Q2: 支持哪些 Provider？

A: OpenAI、Gemini、Azure OpenAI、Grok (xAI)、Ollama、DeepSeek、Qwen、Claude (Anthropic)。

Q3: 与 LiteLLM 有什么区别？

A: LiteLLM 是 Python 库，PAL MCP Server 是 MCP 协议服务器，可直接嵌入 AI Agent 工作流。

Q4: 能否添加自定义 Provider？

A: 支持。实现 ProviderInterface 接口并注册到 providers/ 目录。

Q5: 数据安全如何保障？

A: 请求直接发送到各 Provider，PAL 不存储任何数据。可配置 --no-log 禁用日志。

参考链接

• 官方 GitHub
• MCP 协议规范

本文基于公开资料整理，AI 辅助生成，数据截至 2026-08-05。具体功能请以官方文档为准。