Skip to content
项目

howardpen9/kimi-code-mcp has 63 GitHub stars and 13 forks. GitHot measured 0 in 7 days. Last checked 2026-11-15 21:00 UTC. Last push 2026-11-02.

这些数字如何统计

可以做什么

  • "Analyze this codebase's architecture" - Kimi reads the tree (default k3), Claude acts on the report
  • "Scan for security vulnerabilities, then review Kimi's findings" - Kimi audits, Claude cross-examines — AI pair review
  • "Map all dependencies of the auth module, then plan the refactoring" - Kimi builds the dependency graph, Claude plans the changes
  • "Review the recent changes for regressions and edge cases" - Kimi reviews full context (not just the diff), Claude synthesizes

实测星标增长

24小时
更新延迟
7天
0
15天
更新延迟
1个月
更新延迟

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

MCP server for Claude Code × Kimi Code CLI 2.4.1 — default model k3 (up to ~1M on eligible plans); kimi-for-coding = K2.8 Preview. Delegate bulk reads to Kimi, cut Claude-side tokens.

人工智能

README_zh.md

原文

kimi-code-mcp

English | 中文


圖表:kimi-code-mcp,Kimi Code CLI 2.4.1,預設模型 k3(別名 kimi-code/k3)。kimi-for-coding 是 K2.8 Preview。三個範例任務的 Claude 端 token 約少 90%。
示意估算。這個 ~90% 是 Claude 端 在分析密集任務上的 token 減少 —— 不是總成本歸零:Kimi 自己的訂閱費照算。monorepo 那列對應下方實際舉例,PDF/commits 兩列為粗略示意。圖上預設是 k3(CLI 2.4.1);kimi-for-coding 是 K2.8 Preview。

MCP 伺服器,將 Kimi Code(預設模型 k3,CLI 別名 kimi-code/k3)與 Claude Code 串接——Claude 當指揮家,Kimi 負責大量閱讀。

LLM 成本 vs 智能 — Kimi Code 以極低成本提供前沿級智能
Kimi Code 位於效率前沿——接近 Claude 的智能水準,成本僅 1/10。 kimi.com/code

[!TIP] 別再花 Claude 的錢讀檔了。 Kimi Code 以極低成本提供前沿級程式碼智能(見上圖)。把批量程式碼掃描交給 Kimi,讓 Claude 專注推理、決策、精準改碼。一次 kimi_analyze 呼叫可以取代 50+ 次檔案讀取。上方圖表的 ~90% 是 Claude 端示意,分析密集型任務常見約 60-80%(見 Token 經濟學)。

什麼是 Kimi Code?

Kimi Code 是 Moonshot AI 的程式碼代理(終端機、IDE,以及 Kimi Code CLI)。CLI 是 TypeScript 套件 @moonshot-ai/kimi-code。公開文件目前列到 CLI 2.4.1(2026-10-30)。它會讀寫程式碼、跑 shell、搜尋檔案、抓網頁。

下表的模型 id 來自 Kimi Code 模型頁,別名前綴來自 CLI 2.4.1(managed provider 為 kimi-code/<id>)。上下文視方案而定(「最多」)。

模型 ID CLI 別名 是什麼 上下文
k3 kimi-code/k3 K3。本 MCP 的預設。 最多 1,048,576
k3-256k kimi-code/k3-256k K3 的 256K 視窗 262,144
k3.1-pro kimi-code/k3.1-pro K3.1 Pro(3T 級,只能開 thinking) 最多 1,048,576
k3.1-pro-highspeed kimi-code/k3.1-pro-highspeed 同模型、更快,額度約 2 倍 最多 1,048,576
kimi-for-coding kimi-code/kimi-for-coding K2.8 Preview 最多 1,048,576
kimi-for-coding-highspeed kimi-code/kimi-for-coding-highspeed K2.7 Code Highspeed 262,144

本伺服器只改寫下面這張別名表,其餘字串原樣轉發:

你傳入 API model CLI -m
k3、kimi-code/k3、kimi-k3 k3 kimi-code/k3
kimi-for-coding、kimi-code/kimi-for-coding、k2.7 kimi-for-coding kimi-code/kimi-for-coding
其他(k3-256k、k3.1-pro、kimi-code/k3.1-pro…) 原字串 同一個原字串

k2.7 是舊捷徑,仍會送出 kimi-for-coding(現在是 K2.8 Preview),不是 kimi-for-coding-highspeed。API 要裸 id,CLI 要 kimi-code/<id>。不在表內的 id,同一個 model 參數無法同時滿足兩邊。登入後用 kimi provider list 或 /model 確認;重新登入可能清掉自訂別名。

[!WARNING] 需要 Kimi Code 會員。 API 工具(kimi_query、kimi_verify)要 API key。讀 codebase 的工具(kimi_analyze、kimi_resume)要 CLI 在 ~/.local/bin/kimi,並且 kimi login。方案與額度見 kimi.com/code。

快速開始

# 1. 安裝目前的 Kimi Code CLI(macOS / Linux)並登入。
#    code.kimi.com/install.sh 會轉到已封存的 Python kimi-cli,不要用。
curl -fsSL https://code.kimi.com/kimi-code/install.sh | bash
kimi login

# Node.js >= 22.19.0 的替代:
# npm install -g @moonshot-ai/kimi-code

# 本伺服器只執行 ~/.local/bin/kimi。安裝程式把執行檔放在 ~/.kimi-code/bin。
mkdir -p "$HOME/.local/bin"
ln -sfn "$HOME/.kimi-code/bin/kimi" "$HOME/.local/bin/kimi"

# 2. 安裝這個 MCP(Node.js >= 18)
npm install -g kimi-mcp-server

[!WARNING] 2026-11-02 查過,npm 上只有 [email protected]。Git main 是 0.5.0,尚未發布,所以 npm install -g 還不會預設 k3,也不會讀 ~/.kimi-code/config.toml。要這頁描述的行為,在 0.5.0 發布前請從原始碼建置。

Windows(PowerShell):irm https://code.kimi.com/kimi-code/install.ps1 | iex。這個 repo 的 runner 仍寫死 POSIX 路徑 ~/.local/bin/kimi,請把安裝好的 kimi 連到那裡。

專案範圍:把 .mcp.json commit 在 repo 根目錄。使用者範圍存在 ~/.claude.json,不是 ~/.claude/mcp.json:

claude mcp add --scope user --transport stdio kimi-code -- npx -y kimi-mcp-server

專案 .mcp.json:

{
  "mcpServers": {
    "kimi-code": {
      "command": "npx",
      "args": ["-y", "kimi-mcp-server"]
    }
  }
}

或從原始碼構建:

git clone https://github.com/howardpen9/kimi-code-mcp.git
cd kimi-code-mcp && npm install && npm run build
{
  "mcpServers": {
    "kimi-code": {
      "command": "node",
      "args": ["/你的路徑/kimi-code-mcp/dist/index.js"]
    }
  }
}

在 Claude Code 中執行 /mcp 驗證,應該看到 kimi-code 和 8 個工具。

MCP 預設使用 k3,CLI 呼叫會傳入 -m kimi-code/k3。 可透過工具的 model 參數或 KIMICODE_MODEL / KIMI_MODEL 覆寫(參數優先)。 CLI 2.4.1 在有設預設時,kimi provider list 會印出 Default model: …,那個值可以跟 MCP 不同。在 CLI 裡用 /model 切換。

[!TIP] 常見用途其實不需要 CLI。 kimi_query 和 kimi_verify 直接呼叫 Kimi Code API,不需要安裝 CLI,也不需要 kimi login。設好 $KIMICODE_API_KEY 即可(見 Kimi Code API 設定)。只有 kimi_analyze 和 kimi_resume 會啟動 CLI。完整對照見 兩種後端:API vs CLI。

兩種後端:API vs CLI

伺服器有兩種方式連到 Kimi,每個工具會用最適合它的那一種。知道哪個工具用哪種,就知道你需要設定什麼。

後端 怎麼連 Kimi 需要什麼 看得到你的 codebase 嗎?
直連 API HTTPS 打 api.kimi.com/coding/v1(或 KIMI_BASE_URL) API key($KIMICODE_API_KEY,或 ~/.kimi/config.toml / ~/.kimi-code/config.toml 裡的 api_key) ❌ 不行 — 由你把 context 貼進去
本機 CLI 執行 ~/.local/bin/kimi 該路徑有執行檔 且 完成 kimi login ✅ 可以 — 直接從磁碟讀檔
工具 後端 原因
kimi_query API(沒設 key 時才退回 CLI) 無上下文問答 — 不需 codebase,API 最簡單且無 login 依賴
kimi_verify API 你把程式碼/diff/論點直接貼進去,Kimi 以獨立第三方身分判斷
kimi_analyze CLI 從磁碟讀 codebase。上下文跟模型視窗走,不是固定 256K
kimi_resume CLI 接續一個保有先前 codebase 上下文的 CLI session
kimi_list_sessions、kimi_cache_*、kimi_status 本機 讀本機快取;session 清單只看舊版 ~/.kimi

[!IMPORTANT] 多數使用者只需要 API key。 如果你只是要第二意見/驗證(kimi_query、kimi_verify),設好 API key 就完成了 — 完全不用碰 CLI。只有當你想讓 Kimi 透過 kimi_analyze / kimi_resume 讀你的 codebase 時,才需要安裝 + kimi login。

隨時執行 kimi_status 看 API 是否設了 key,以及 ~/.local/bin/kimi 的版本。CLI 認證探測只看 ~/.kimi(見下方說明),所以現代登入成功仍可能顯示未認證。這不影響 API 工具。

給 Agent 的使用準則

如果你是 AI agent(Claude Code、subagent 等),決定何時呼叫這些工具:

  • 提交前交叉檢查自己的工作 → kimi_verify。 貼上實際的 diff/程式碼/論點,外加周邊 context(目標、限制、函式簽名)。Kimi 只看得到 context 字串 — 沒有 repo、沒有 session 歷史。Context 含糊 → 審查無用。
  • 快速、與模型無關的程式問題 → kimi_query。 不需 codebase,回傳另一個模型的觀點。
  • 需要理解大型/陌生的 codebase → kimi_analyze(帶 work_dir)。優先用這個,別自己讀 50 個檔案;它省下約 10× 的 Claude token。需要 CLI 已安裝並登入。
  • analyze 後想深入 → kimi_resume(帶回傳的 session_id。上下文是該 session 的模型視窗,不是固定 256K)。
  • 不知道 Kimi 為何失敗 → 先 kimi_status。 CLI 顯示「未認證」不影響 kimi_query/kimi_verify(那兩個走 API)。現代 CLI 的 OAuth 在 ~/.kimi-code,kimi_status 可能誤報未認證。
  • 輸出保持精簡。 工具預設是 detail_level: normal。只要概覽就傳 summary;需要程式碼片段才用 detailed。輸出越大,Claude token 越多。
  • 小型/單檔工作別用 Kimi — 10 個檔案以下,Claude 直接讀更快。

Kimi Code API 設定

[!NOTE] Kimi Code 和 Kimi Platform(Moonshot)是分開的。 Coding plan 的 id(k3、kimi-for-coding)不是 Platform id(kimi-k3、kimi-k3.1-pro)。kimi-k2-0905-preview 已停用。Key 不互通。

CLI 登入和直連 API key 是兩件事。kimi login 不會給 kimi_query / kimi_verify 一把 key。

方式一:OAuth 登入(CLI 工具)

kimi login

這是 device-code 流程(跟 TUI 裡的 /login 同一套憑證)。CLI 把設定、session、OAuth 寫在 ~/.kimi-code/(可用 KIMI_CODE_HOME 改目錄)。舊資料可能還在 ~/.kimi。登入後,有設預設時 kimi provider list 會印出 Default model:,不一定是 kimi-code/k3。managed provider id 是 managed:kimi-code。

[!NOTE] command not found: kimi? 目前的安裝程式把執行檔放在 ~/.kimi-code/bin/kimi,並把該目錄加進 shell rc。開新 shell,或 source 它印出的 rc。本 MCP 不搜尋 PATH,只執行 ~/.local/bin/kimi:

mkdir -p "$HOME/.local/bin"
ln -sfn "$(command -v kimi)" "$HOME/.local/bin/kimi"

用安裝腳本或 npm install -g @moonshot-ai/kimi-code 之後都要做這一步。

方式二:API key(直連 API 工具)

在 Kimi Code console 建立 key。MCP 依序讀 KIMICODE_API_KEY、KIMI_CODE_API_KEY、KIMI_API_KEY。KIMI_BASE_URL 可改 endpoint(預設 https://api.kimi.com/coding/v1;海外 coding host 是 https://api.kimi.ai/coding/v1)。

# ~/.zshrc 或 ~/.bashrc — 必須是 Claude 啟動 MCP 時看得到的環境,不是只在互動 shell
export KIMICODE_API_KEY="sk-你的API密鑰"
# export KIMI_BASE_URL="https://api.kimi.ai/coding/v1"

CLI 不會從環境變數讀 KIMICODE_API_KEY。CLI 請用 kimi login,或在 ~/.kimi-code/config.toml 設 api_key / api_key_env。MCP 不讀 api_key_env。它解析 TOML 時會展開引號裡的 ${VAR}。

設定檔順序:$KIMI_SHARE_DIR/config.toml(有設才看)、~/.kimi/config.toml、~/.kimi-code/config.toml。只用 [providers.*] 裡的 api_key 和 base_url。default_model 和 [models.*] 不會改 MCP 的模型。

若要把 key 放進檔案而不是環境變數,目前 CLI 的形狀是:

default_model = "kimi-code/k3"

[providers."managed:kimi-code"]
type = "kimi"
base_url = "https://api.kimi.com/coding/v1"
api_key = "sk-你的API密鑰"

不要蓋掉 kimi login 已經寫好的檔案。登入後 api_key = "" 加上 oauth 表是正常的,MCP 用不了那把空 key。API 工具請用 KIMICODE_API_KEY。

Kimi Code vs Kimi Platform

Kimi Code(這個 MCP) Kimi Platform
Endpoint https://api.kimi.com/coding/v1(海外 https://api.kimi.ai/coding/v1) Platform host,不是 coding 路徑
模型 id k3、k3-256k、k3.1-pro、kimi-for-coding… kimi-k3、kimi-k3.1-pro…
Key Kimi Code console platform.kimi.ai models

你可以做什麼

直接告訴 Claude 你需要什麼,它會自動委派給 Kimi:

你的 Prompt 實際發生什麼
「分析這個 codebase 的架構」 Kimi 讀整棵樹(預設 k3),Claude 根據報告行動
「掃描安全漏洞,然後審閱 Kimi 的發現」 Kimi 審計,Claude 交叉審查——AI 結對審查
「映射 auth 模組的所有依賴,然後規劃重構」 Kimi 建構依賴圖,Claude 規劃修改
「審閱最近的改動,檢查回歸和邊界情況」 Kimi 審閱完整上下文(不只是 diff),Claude 整合
「恢復上次的 Kimi session,繼續問 API 設計」 kimi_resume 接續那個 CLI session

為什麼需要這個?

Claude Code 很強大,但每次讀檔都消耗 token。很多工作——預審大型程式碼庫、跨檔案掃描、生成審計報告——屬於確定性高的尾部任務,不需要 Claude 的完整推理能力。

[!IMPORTANT] 成本算術: Claude 讀 50 個檔案理解架構 = 昂貴。Kimi 透過 kimi_analyze 讀 50 個檔案 = 走 Kimi 訂閱,不走 Claude token。Claude 再根據報告行動 = 最少 Claude token。分析密集型任務的 Claude token 大約少 60-80%(上方圖表的 ~90% 是示意)。

如何省 Token

                      ┌─────────────────────────────┐
                      │   你(開發者)                │
                      └──────────┬──────────────────┘
                                 │ prompt
                                 ▼
                      ┌─────────────────────────────┐
                      │   Claude Code(指揮家)       │
                      │   - 編排工作流                │
                      │   - 做決策                    │
                      │   - 精準編輯程式碼             │
                      └──────┬──────────────┬───────┘
                  精準        │              │  委派
                  編輯        │              │  批量閱讀
                  (token)    │              │  (Kimi 方案)
                             ▼              ▼
                      ┌──────────┐   ┌──────────────┐
                      │ 你的     │   │  Kimi Code   │
                      │ 程式碼庫 │   │  - 模型 k3   │
                      └──────────┘   │  - 通讀全部   │
                                     │  - 回傳報告   │
                                     └──────────────┘
  1. Claude 收到你的任務 → 判斷需要理解 codebase
  2. Claude 透過 MCP 呼叫 kimi_analyze → Kimi 讀程式碼庫(訂閱費用,不是 Claude token)
  3. Kimi 回傳結構化分析
  4. Claude 根據分析做精準的程式碼修改

結果:Claude 只花 token 在決策和寫碼,不浪費在讀檔上。

基於 Kimi Code 的雙向程式碼審計

預設模型是 k3(K3)。這就夠做 AI 結對審查:

  1. Kimi 預審 — 一次看整棵樹:安全問題、反模式、死代碼、架構問題
  2. Claude 交叉審查 — 審閱 Kimi 的發現,質疑可疑項目,補充自己的洞察
  3. 雙重視角 — 不同模型捕捉不同問題。一個遺漏的,另一個能發現

用 Kimi 做程式碼審查

除了即時分析,你可以將 Kimi 作為工作流中的專職 Reviewer:

PR 審查流程

┌──────────────┐   diff    ┌──────────────┐  結構化發現  ┌──────────────┐
│   你的 PR    │ ────────► │  Kimi Code   │ ──────────► │  Claude Code │
│  (改動)      │           │  (審查者)    │             │  (決策)      │
└──────────────┘           └──────────────┘              └──────────────┘

持續審計模式

時機 做什麼 為什麼
合併前 Kimi 掃描 diff + 受影響的模組 及早發現回歸
每週 全 codebase 掃描 累積的技術債
發版前 安全導向的全面審計 安心發版

有 CLI session id 時,審查 session 可以用 kimi_resume 恢復。上下文跟該 session 的模型視窗走。

功能

工具 說明 超時
kimi_analyze CLI — 深度程式碼分析(架構、審計、重構建議) 10 分鐘
kimi_query API — 快速問答,不需要 codebase 上下文(沒設 key 時才走 CLI) 2 分鐘
kimi_verify API — 獨立第三方驗證程式碼/diff/論點;不需 CLI,需自帶完整 context 5 分鐘
kimi_list_sessions 列出舊版 ~/.kimi/sessions(不是 ~/.kimi-code) 即時
kimi_resume CLI — 用 -S <id> 恢復 session 10 分鐘
kimi_status API key 狀態,以及 ~/.local/bin/kimi 與 ~/.kimi 的版本/認證 即時
kimi_cache_status 檢視 session 快取統計與效能指標 即時
kimi_cache_invalidate 手動清除快取 session(指定目錄或全部) 即時

輸出控制參數

kimi_analyze 和 kimi_resume 支援以下參數控制輸出大小:

參數 值 預設 效果
detail_level summary / normal / detailed normal 控制 Kimi 輸出的詳細程度
max_output_tokens 數字 15000 硬上限——超過時在乾淨的段落邊界截斷
include_thinking boolean false 包含 Kimi 的內部推理鏈(額外 10-30K tokens)

kimi_query 也支援 max_output_tokens 和 include_thinking。

Token 經濟學

[!NOTE] 節省來自壓縮比,不是免費閱讀。Kimi 仍需訂閱費用,但關鍵價值是減少昂貴的 Claude Code token 消耗。

                    不用 kimi-code-mcp            用 kimi-code-mcp (normal)
                    ────────────────              ─────────────────────────
Raw source:         50 檔 × ~4K = 200K tokens    Kimi 讀取(訂閱費用)
Claude 讀取:        200K tokens                  5-15K token 報告
Claude token 成本:  $$$                          $

detail_level 壓縮比:

級別 壓縮比 輸出大小 等效原始碼量 適用場景
summary 40-100x ~2-5K tokens ~8-20K 字符 / ~200-500 行代碼 快速了解、檔案清單
normal 15-40x ~5-15K tokens ~20-60K 字符 / ~500-1500 行代碼 架構審查、依賴分析
detailed 5-15x ~15-40K tokens ~60-160K 字符 / ~1500-4000 行代碼 含代碼片段的安全審計

省 token 的場景:

  • 大型 codebase(50+ 檔案)— 架構理解、跨檔案掃描
  • 安全審計、死代碼偵測、API 一致性檢查
  • 重構前預審(先掃描 → 再改特定檔案)

不如直接讓 Claude 讀的場景:

  • 小型 codebase(<10 檔案)— 直接讀更快
  • 單檔案修改 — Claude 內建讀檔就夠
  • 需要每行代碼 — detailed 輸出接近直讀成本

運作原理

┌──────────────┐  stdio/MCP   ┌──────────────┐  subprocess   ┌────────────────────┐
│  Claude Code │ ◄──────────► │ kimi-code-mcp│ ────────────► │ Kimi CLI           │
│  (指揮家)    │              │ (MCP 伺服器) │               │ (k3)               │
└──────────────┘              └──────────────┘               └────────────────────┘

CLI 呼叫參考

MCP 執行 ~/.local/bin/kimi,讀 kimi --help,再以非互動模式呼叫。 下面的 flags 對得上 Kimi Code CLI 指令參考,公開版本到 2.4.1(2026-10-30):

cd <path>
kimi -m kimi-code/k3 -p "<prompt>" --output-format stream-json
Flag 用途
-p / --prompt 執行一次 prompt,跳過互動式 shell
-m <alias> 明確選擇模型(預設 kimi-code/k3)
--output-format stream-json 輸出 JSONL assistant/tool 訊息
工作目錄(cwd) 指定 subprocess 的 codebase 根目錄
-S <id> 用 session ID 恢復之前的 session

舊版的 --print、--final-message-only、--no-thinking 僅在該 CLI 的 help 宣告支援時傳入。Kimi Code 2.x 不支援這些 flags 或 --work-dir; thinking=false 因此僅在支援的舊版 CLI 生效。--plan 不可與 -p 合用。

若回報 Stored token ... was rejected; re-login required,執行 kimi login。 本機模型 catalog 檢查不能證明 OAuth 有效或剩餘額度。

重新登入後,subscription-peer/kimi 等自訂別名可能消失。 請用 kimi provider list 確認可用別名,更新明確指定的 model、 KIMICODE_MODEL 或 KIMI_MODEL。MCP 已預設使用官方 kimi-code/k3, 不依賴 helper 的自訂別名。

repo 裡的測試固定 2.1.1 的 JSONL 形狀(重新登入後,最小 K3 prompt 回了 KIMI_OK)。這次改文件沒有對 2.4.1 二進位重跑。可選 flag 仍看 kimi --help,所以 --print、--final-message-only、--no-thinking 只有 help 有寫才會送。

kimi_status 只在 $KIMI_SHARE_DIR 或 ~/.kimi/credentials/kimi-code.json(或舊的 ~/.kimi/kimi.json)找到 token 時,才把 CLI 標成已認證。CLI 2.x 的 OAuth 在 ~/.kimi-code/credentials/(KIMI_CODE_HOME)。kimi login 成功仍可能在這裡顯示未認證。這不影響 kimi_query / kimi_verify。

kimi_list_sessions 讀 $KIMI_SHARE_DIR/sessions 或 ~/.kimi/sessions(metadata.json)。現在的 session 在 ~/.kimi-code/sessions/<workDirKey>/<sessionId>/,列不出來。kimi_resume 仍把 -S <id> 傳給 CLI,所以你已經從 CLI 拿到的 id 可以恢復。

[!NOTE] kimi analyze subcommand 不存在。 MCP tool 命名為 kimi_analyze,但底層 CLI 使用上述 flags。如需直接呼叫 Kimi(除錯或腳本用途),請使用以上語法。

進階配置

開發模式(自動重編譯):

{
  "mcpServers": {
    "kimi-code": {
      "command": "npx",
      "args": ["tsx", "/你的路徑/kimi-code-mcp/src/index.ts"]
    }
  }
}

專案結構

src/
├── index.ts           # MCP 伺服器設定、工具定義、API/CLI 路由
├── kimi-api.ts        # 直連 Kimi Code API 的 client(kimi_query / kimi_verify)
├── kimi-runner.ts     # 生成 Kimi CLI 子行程、解析輸出、超時處理
├── cache-manager.ts   # session 快取(預熱、重用、失效)
└── session-reader.ts  # 舊版 session 元資料(~/.kimi/sessions,不是 ~/.kimi-code)

貢獻

請參閱 CONTRIBUTING.md。

變更日誌

請參閱 CHANGELOG.md。

授權

MIT