$ loading_
通过主管-工人模型分工，降低大模型执行重任务的成本。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Nexus-Worker-MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用主管-工人模式处理这个重型代码分析任务：由主管模型规划步骤，把大规模代码扫描与整理交给更便宜的工人模型执行，最后汇总结果并说明成本优化思路。
返回任务分工后的分析结果，并体现将重任务下放给低成本模型的处理方式。
为这个长文档整理任务设计执行方案：主管模型负责理解目标和最终输出，工人模型负责分段提取与初步归纳，并保持兼容多个模型提供商。
给出适合多提供商环境的任务拆分与输出汇总结果。
在 IDE 场景下执行这个高负载请求：主管模型负责交互与最终回答，工人模型负责耗时子任务，以降低整体调用成本。
输出适合 IDE 工作流的最终结果，并体现主管与工人的分工。
开发者或研究人员在处理代码分析、长文本整理等高负载任务时，可用该工具把重任务交给更便宜的工人模型执行。这样能在保留主管模型协调能力的同时优化整体成本。
当团队同时使用多个模型提供商时，这个 MCP 工具可通过主管-工人模式分配任务。它适合需要兼容不同模型后端的 AI 调用场景。
对于在 IDE 客户端中使用 AI 的开发者，该工具可将昂贵模型用于规划与收尾，把重型子任务交给低成本模型。这样更适合频繁、复杂的开发辅助请求。
它通过主管-工人模式，把重型任务委派给更便宜的工人模型，以优化大模型使用成本。描述中还说明它兼容多个模型提供商和 IDE 客户端。
已知前提是需要可用的大模型环境，并支持多个模型提供商。更具体的安装方式、密钥要求或运行时信息未提供，见源码仓库。
它的特点是把规划与协调交给主管模型，把重任务下放给更便宜的工人模型，从而控制成本。更细的行为差异与调度策略，见源码仓库。
聚合多个上游MCP服务，按需浏览并调用工具以降低上下文开销。
将多个下游 MCP 服务器聚合到单一端点，按需发现并调用能力。
为 AI 代理提供跨会话记忆、语义检索与智能上下文注入能力。
将耗时的代码阅读、编辑与检查任务异步分派给工作代理执行
将摘要、代码补丁等低风险任务委派给低成本模型并由主代理复核。
基于 NestJS 与 LangGraph 搭建 MCP 服务，执行工具并编排多模型代理工作流。