Lm

社区

将Claude Code的例行任务卸载到本地或云端LLM，节省令牌费用。

分类: 开发工具第 227 / 438
Stars: ★ 121 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js 22.5+
凭据: 可选 API Key
许可证: Apache-2.0
最近提交: 1 天前
工具数: 8

52FMRS · D

Houtini LM为Claude Code用户提供了一种实用的令牌节省方案，通过将边界清晰的任务卸载到本地或云端LLM。它提供了自主模型路由、性能跟踪和结构化输出支持，显着减少了Claude的令牌消耗。对于希望控制成本的开发者来说，这是一个有价值的工具，但需要注意安全风险并确保正确配置。

最强项 · 文档质量 15/20 最弱项 · 可靠性 6/20

可靠性

6/20

安全与权限

9/20

维护活跃度

9/20

文档质量

15/20

安装易用性

13/20

查看各项评分依据

可靠性 6/20: 仅提供 README 与 server.json，无源代码、CI 或已提交测试可验证。README 描述的 happy path（npx 启动、连接 OpenAI 兼容端点、八种工具）看起来可行，但初始化与工具列表握手、流式行为、错误处理均无法从源码确认；且 README 许可证徽章（Apache-2.0）与仓库 MIT 不一致，server manifest 的仓库 URL 与仓库名不一致，故不能按 10 分以上授予。
安全与权限 9/20: API key 通过环境变量传入并在 manifest 中标记为 secret，示例均使用占位符，无硬编码凭据。主要风险是 code_task_files 默认可读取任意绝对路径，仅提供可选 HOUTINI_LM_FILE_ROOTS 白名单，且没有显式确认机制；数据会发送到用户配置的本地或云端端点，文档对此有披露。未见恶意代码、凭据窃取或危险默认操作，未触发红线，但权限最小化与确认/范围控制不完整，故扣分。
维护活跃度 9/20: 版本号演进可见（v2.8.0/v2.9.0/v3.2.3），npm 包版本为 3.2.3，仓库未归档且有 10 个 open issues。但缺少提交节奏、依赖更新、issue 响应和安全响应渠道的证据；README 显示 Apache-2.0 而仓库声明 MIT，许可证治理不一致。Stars 仅作为发现信号，不计入得分。
文档质量 15/20: README 覆盖面很好：快速开始、Claude Code/Claude Desktop 配置、完整工具参数表、环境变量表、兼容端点、超时/流式说明、性能跟踪、故障排查手册链接和自测说明，属于分层文档。扣分点：许可证标注冲突、manifest 仓库 URL 与仓库名不符；所引用的深层文档页（docs/manual 等）未在给定源材料中出现，无法核实其内容。
安装易用性 13/20: 安装路径清晰：一条 npx 命令即可，给出 Claude Code 与 Claude Desktop 的完整配置示例；支持本地/云端点并通过环境变量配置；明确 Node >=22.5 要求。静态校准要求：无真实 CI 与已提交测试时 setup 不超过 15；且 manifest 未展示 bin 入口，npx 可执行性只能从 README 推断，因此给 13。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件访问网络

适合谁

已将Claude Code用于大型重构、希望降低令牌费用的开发者。
拥有本地GPU服务器并希望利用本地模型处理重复任务的用户。
需要从Claude卸载边界清晰且时间要求不高的任务。
熟悉MCP和OpenAI兼容API的开发者。

不适合谁

需要强推理或工具访问的任务，应保留在Claude上。
需要实时交互且延迟敏感的场景，因为本地推理可能比前端模型慢3-30倍。
用户不需要MCP服务器，而是希望直接调用LLM API的用例。
不打算使用Claude Code或Claude Desktop作为MCP客户端的用户。

所需权限

读取系统上的本地文件（当使用code_task_files工具时）。
创建与读取本地SQLite数据库文件（~/.houtini-lm/model-cache.db）。
发送网络请求到LLM端点（本地或云）。
运行Node.js过程。

风险与副作用

将代码或数据发送到本地或云LLM可能导致信息泄露，尤其是使用云API时。
在本地模型上运行不受信任的代码可能引入安全漏洞。
过度依赖本地模型可能降低输出质量，因为本地模型可能能力较弱。
MCP服务器可能意外暴露本地文件系统路径，因此使用code_task_files时需谨慎。
令牌节省可能被低估，因为本地推理可能消耗更多时间或资源。

安装接入

准备工作

运行环境：Node.js 22.5+

HOUTINI_LM_API_KEY 可选密钥 API 鉴权 Bearer token；本地端点留空即可，云端（DeepSeek/Groq/Cerebras/OpenRouter）需在其控制台获取。

其他可选配置项（10 个）

HOUTINI_LM_ENDPOINT_URL 可选 OpenAI 兼容 API 的基础 URL（如 http://localhost:1234 为 LM Studio 默认），未设置时使用该默认值。

HOUTINI_LM_MODEL 可选指定模型 ID；留空则自动检测已加载的模型。

HOUTINI_LM_PROVIDER 可选强制指定后端类型（如 openrouter）；通常可由端点 URL 自动检测。

HOUTINI_LM_CONTEXT_WINDOW 可选 API 未报告上下文窗口时的回退值，默认 100000。

HOUTINI_LM_FILE_ROOTS 可选允许 code_task_files 读取的目录根白名单（冒号/逗号分隔）；不设则允许任意绝对路径。

HOUTINI_LM_MAX_FILE_MB 可选 code_task_files 单文件大小上限，默认 10 MB。

HOUTINI_LM_CROSS_PROCESS_LOCK 可选设为 0 可仅禁用跨进程推理锁。

HOUTINI_LM_SERIALISE 可选设为 0 可完全禁用推理串行化，适合原生支持并发的后端（如 vLLM）。

HOUTINI_LM_MIN_TOKENS 可选调用方传入 max_tokens 的下限，默认 4096；设为 0 则尊重任意值。

HOUTINI_LM_THINKING 可选思考模式控制：auto 自动检测，off 强制关闭思考，on 强制开启。

确保已安装Node.js ≥ 22.5（推荐≥ 22.13）。
对于Claude Code，运行：claude mcp add houtini-lm -- npx -y @houtini/lm
对于其他客户端，在MCP客户端配置中添加类似配置（如claude_desktop_config.json中的示例）。
可选：如果LLM在其他机器上，设置环境变量HOUTINI_LM_ENDPOINT_URL为你的LLM服务器的URL（例如http://192.168.1.50:1234）。
如果端点需要认证，设置HOUTINI_LM_API_KEY。
如果使用OpenRouter，可设置HOUTINI_LM_MODEL来指定模型。

claude_desktop_config.json

{
  "mcpServers": {
    "houtini-lm": {
      "command": "npx",
      "args": [
        "-y",
        "@houtini/lm"
      ],
      "env": {
        "HOUTINI_LM_ENDPOINT_URL": "http://localhost:1234"
      }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "houtini-lm": {
      "command": "npx",
      "args": [
        "-y",
        "@houtini/lm"
      ],
      "env": {
        "HOUTINI_LM_ENDPOINT_URL": "http://localhost:1234"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add houtini-lm -e HOUTINI_LM_ENDPOINT_URL=http://localhost:1234 -- npx -y @houtini/lm

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

安装后在客户端工具列表中应出现 chat、custom_prompt、code_task、code_task_files、embed、discover、list_models、stats 八个工具；先调用 discover，如能返回模型名称、上下文窗口和实测 tok/s，即说明与本地或云端 LLM 端点连接成功。

常见排障

启动时如果无法连接LLM端点，检查HOUTINI_LM_ENDPOINT_URL是否正确且LLM服务器正在运行。
如果收到空响应或超时，检查模型是否未加载或上下文窗口是否过小。
如果使用推理模型，请确保HOUTINI_LM_THINKING设置为适当值，或检查后端是否支持推理分离。
如果code_task_files拒绝文件，检查文件大小是否超过HOUTINI_LM_MAX_FILE_MB或路径是否在允许的根目录内。
运行npm run shakedown进行端到端自检，以验证安装和模型能力。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

调用 discover 看看我的本地 LLM 是否可用、速度是多少
把这段 TypeScript 函数发给本地模型，让它写测试用例（用 code_task）
用 list_models 列出服务器上所有已加载和已下载的模型及其擅长任务
对 src/utils 目录下的几个文件做一次代码审查，用 code_task_files 直接从磁盘读取

工具能力 8

chat 只读

向本地或云端LLM发送任务并获取回答，是主要的卸载工具。

custom_prompt 只读

使用系统、上下文、指令三部分分离的提示词，减少上下文污染。

code_task 只读

针对代码分析，提供预配置的系统提示和输出约束。

code_task_files 只读

让本地LLM直接从磁盘读取文件进行分析，源文件不经过MCP客户端的上下文窗口。

embed 只读

通过OpenAI兼容的embedding端点生成文本嵌入。

discover 只读

检查LLM服务器的健康状态和速度，包括模型名称、上下文窗口、连接延迟和实测tok/s。

list_models 只读

列出服务器上所有已加载和已下载的模型，包含来自HuggingFace的元数据。

stats 只读

以markdown格式导出卸载统计信息，包括会话和生命周期总值。

使用场景

生成测试存根、代码审查、提交消息、格式转换、模拟数据、类型定义等边界清晰的任务。

通过本地推理节省令牌成本，尤其是使用LM Studio或Ollama运行本地模型时。

云端API（如DeepSeek、Groq、Cerebras）与OpenRouter的300+模型。

文本嵌入用于语义搜索或RAG流水线。

支持客户端

Claude Desktop

Claude Code

依据项目文档列出，未经本站实测。

详细介绍

Houtini LM是一个MCP服务器，它连接Claude Code到任何兼容OpenAI的LLM端点（如LM Studio、Ollama、vLLM、DeepSeek、Groq、Cerebras），通过将边界清晰的任务（如生成样板代码、代码审查、提交消息、格式转换等）委托给更便宜的本地或云端模型，从而节省Claude的令牌消耗。Claude保留架构规划、多文件更改等复杂推理工作，而本地模型处理重复性工作。它提供自动模型路由、性能跟踪、结构化JSON输出和模型发现功能。

Lm