$ loading_
将多种 MCP 客户端接入 llmsproxy，统一调用对话、编码与检索能力。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"llmsproxy" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请说明如何把 llmsproxy 作为 MCP 工具接入 Cursor，并列出配置步骤、所需参数以及验证连接是否成功的方法。
一份面向开发者的接入说明，包含配置流程、参数解释与连接验证步骤。
使用 llmsproxy 提供的 MCP 能力，帮我重构这段 Python 代码，提升可读性并补充必要注释，同时说明修改原因。
返回优化后的代码、关键改动说明，以及适合直接采纳的重构建议。
请通过 llmsproxy 的检索能力查找与“向量数据库评测”相关的资料，整理核心结论，并给出可继续深入阅读的方向。
一份结构化研究摘要，包含检索结果要点、结论与后续阅读建议。
集中管理多款 AI 客户端的 MCP 服务与配置，快速接入海量服务器和技能
通过 MCP 将大模型请求转发到兼容 OpenAI 的服务提供商。
通过 MCP 调用 Claude 与 Gemini 命令行工具并获取模型回复
将 Claude Code 连接到本地 llama.cpp，便于低成本测试与运行本地大模型。
帮助用户突破受限网络环境，抓取网址、执行联网命令并读取生成文件。
为 AI 编码代理接入多模型协作，支持对话中咨询与代码审查。