连接代理，查看执行记录。

在现有 MCP 客户端中提交运行、查询状态和查看可用产物。托管服务返回的工具列表是当前能力参考。

模型运行完成不代表代码库检查已执行。请查看运行记录及可用验证结果；共享托管命令验证默认禁用。

协议版本默认为 2025-11-25；同时支持 2024-11-05、2025-03-26 与 2025-06-18。

使用支持 HTTP 的 MCP 客户端。创建账户和 AdaptOrch 密钥后配置端点，无需克隆私有核心仓库。

1 · 创建密钥

在 /app/signup 注册，在 /app/api-keys 创建 API 密钥。直接 HTTP 指南统一使用 ADAPTORCH_API_KEY。请勿将真实密钥提交到仓库。

export ADAPTORCH_API_KEY="ado_..."

2 · 确认认证，不运行模型

这个只读 tools/list 请求检查端点和凭据。它不提交任务，不验证所有客户端配置，也不证明代码检查能力可用。

: "${ADAPTORCH_API_KEY:?Set your AdaptOrch API key first}"
curl --fail --silent --show-error https://adaptorch.com/mcp \
  -H "Authorization: Bearer $ADAPTORCH_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

有效密钥会返回包含 adaptorch_run 的 result.tools 数组。不带密钥时同一请求返回 {"code":-32001,"message":"Missing bearer token"} 与 HTTP 401 — 这个响应本身就证明端点可达。

Set these only in your local environment; never in a shared transcript or committed file.

export ADAPTORCH_PROVIDER="openai"
export ADAPTORCH_PROVIDER_MODEL="YOUR_SUPPORTED_MODEL"
export ADAPTORCH_PROVIDER_KEY="YOUR_PROVIDER_KEY"

先使用下面完整的 Claude Code HTTP 示例。其他配置块只展示各客户端的认证语法；模型执行前请按登录后仪表盘的指南添加供应商请求头。

Claude Code — 一条命令

: "${ADAPTORCH_API_KEY:?Set your AdaptOrch API key}"
: "${ADAPTORCH_PROVIDER:?Set a supported provider}"
: "${ADAPTORCH_PROVIDER_MODEL:?Set the provider model ID}"
: "${ADAPTORCH_PROVIDER_KEY:?Set your provider key}"
claude mcp add --transport http adaptorch https://adaptorch.com/mcp \
  --header "Authorization: Bearer ${ADAPTORCH_API_KEY}" \
  --header "X-Provider: ${ADAPTORCH_PROVIDER}" \
  --header "X-Provider-Model: ${ADAPTORCH_PROVIDER_MODEL}" \
  --header "X-Provider-Key: ${ADAPTORCH_PROVIDER_KEY}"

Cursor — <code>~/.cursor/mcp.json</code>

{
  "mcpServers": {
    "adaptorch": {
      "url": "https://adaptorch.com/mcp",
      "headers": { "Authorization": "Bearer ${ADAPTORCH_API_KEY}" }
    }
  }
}

Codex CLI — <code>~/.codex/config.toml</code>（TOML，不是 JSON）

[mcp_servers.adaptorch]
url = "https://adaptorch.com/mcp"
bearer_token_env_var = "ADAPTORCH_API_KEY"
env_http_headers = { "X-Provider" = "ADAPTORCH_PROVIDER", "X-Provider-Model" = "ADAPTORCH_PROVIDER_MODEL", "X-Provider-Key" = "ADAPTORCH_PROVIDER_KEY" }

Gemini CLI — <code>~/.gemini/settings.json</code>（键名为 <code>httpUrl</code>）

{
  "mcpServers": {
    "adaptorch": {
      "httpUrl": "https://adaptorch.com/mcp",
      "headers": { "Authorization": "Bearer ${ADAPTORCH_API_KEY}" }
    }
  }
}

VS Code — <code>.vscode/mcp.json</code>（顶层键为 <code>servers</code>）

{
  "servers": {
    "adaptorch": {
      "type": "http",
      "url": "https://adaptorch.com/mcp",
      "headers": { "Authorization": "Bearer ${env:ADAPTORCH_API_KEY}" }
    }
  }
}

Windsurf — <code>~/.codeium/windsurf/mcp_config.json</code>（键名为 <code>serverUrl</code>）

{
  "mcpServers": {
    "adaptorch": {
      "serverUrl": "https://adaptorch.com/mcp",
      "headers": { "Authorization": "Bearer ${ADAPTORCH_API_KEY}" }
    }
  }
}

让连接的客户端使用下面的单任务输入调用 adaptorch_run 一次。此步骤可能消耗运行额度和供应商费用。查询状态时不要重复提交。

{
  "payload": {"subtasks": [{"id": "ping", "description": "Reply exactly PONG", "estimated_tokens": 16}]},
  "synthesis_mode": "paper",
  "budget_policy": {"global_timeout_budget_seconds": 20}
}

用返回的 run_id 调用 adaptorch_get_run、adaptorch_get_artifacts，或打开 /app/runs。确认模型和输出，再检查验证命令是否真正运行；SUCCEEDED 本身不能证明这一点。

401：检查服务认证和供应商密钥。429：检查额度和速率限制。供应商计费失败、验证环境不支持都属于配置阻碍，而不是成功激活。

Run records · Plan allowances and BYOK · Data flow

本地 Python 包装器委托给 AdaptOrch 引擎，适用专有许可。下载本身不授予更广的使用权；请查看条款及发行包内的许可。此维护路径要求引擎已可用，不是托管客户的快速开始步骤。

pip install adaptorch-mcp

export ADAPTORCH_CONTROL_PLANE_TOKEN="$ADAPTORCH_API_KEY"
export ADAPTORCH_MCP_PROVIDER="$ADAPTORCH_PROVIDER"
export ADAPTORCH_MCP_PROVIDER_MODEL="$ADAPTORCH_PROVIDER_MODEL"
export ADAPTORCH_MCP_PROVIDER_API_KEY="$ADAPTORCH_PROVIDER_KEY"
adaptorch-mcp --transport stdio --base-url https://adaptorch.com

本地桥接的 ADAPTORCH_CONTROL_PLANE_TOKEN 接收 AdaptOrch API 密钥。ADAPTORCH_MCP_PROVIDER、ADAPTORCH_MCP_PROVIDER_MODEL、ADAPTORCH_MCP_PROVIDER_API_KEY 配置进程内供应商凭据。请勿把密钥作为工具参数发送。

托管 tools/list 响应决定当前可用工具。结果和错误遵循返回的模式。工具列表响应不是模型运行或验证结果。

{ "jsonrpc": "2.0", "id": 1, "method": "tools/call",
  "params": { "name": "adaptorch_run",
    "arguments": { "prompt": "${TASK_PROMPT}", "synthesis_mode": "robust",
                   "wait_for_terminal": true, "timeout_seconds": 120.0 } } }

{ "jsonrpc": "2.0", "id": 2, "method": "tools/call",
  "params": { "name": "adaptorch_get_run", "arguments": { "run_id": "${RUN_ID}" } } }

{ "jsonrpc": "2.0", "id": 3, "method": "tools/call",
  "params": { "name": "adaptorch_get_artifacts", "arguments": { "run_id": "${RUN_ID}" } } }

{ "jsonrpc": "2.0", "id": 4, "method": "tools/call",
  "params": { "name": "adaptorch_list_runs", "arguments": { "limit": 20, "status": "SUCCEEDED" } } }

{ "jsonrpc": "2.0", "id": 5, "method": "tools/call",
  "params": { "name": "adaptorch_get_traces", "arguments": { "run_id": "${RUN_ID}" } } }

{ "jsonrpc": "2.0", "id": 6, "method": "tools/call",
  "params": { "name": "adaptorch_cancel_run", "arguments": { "run_id": "${RUN_ID}" } } }

{ "jsonrpc": "2.0", "id": 7, "method": "tools/call",
  "params": { "name": "adaptorch_route_topology",
    "arguments": { "subtasks": [ { "id": "t1" }, { "id": "t2" } ],
                   "dependencies": [ { "from": "t1", "to": "t2" } ] } } }

{ "jsonrpc": "2.0", "id": 8, "method": "tools/call",
  "params": { "name": "adaptorch_server_metrics", "arguments": {} } }

{ "jsonrpc": "2.0", "id": 9, "method": "tools/call",
  "params": { "name": "adaptorch_capabilities", "arguments": {} } }

{ "jsonrpc": "2.0", "id": 10, "method": "tools/call",
  "params": { "name": "adaptorch_plan_catalog", "arguments": {} } }

stdio 依赖本地信任模型加控制平面令牌。HTTP+SSE 额外提供 bearer 鉴权、来源允许列表、协议版本校验与负载大小上限。

以下三种常见流程覆盖了大多数代理集成场景。

1 · 运行并收集

调用 adaptorch_run 并带上 wait_for_terminal，然后用 adaptorch_get_run、adaptorch_get_artifacts 与 adaptorch_get_traces 读取结果。

{ "name": "adaptorch_run",
  "arguments": { "prompt": "${TASK_PROMPT}", "wait_for_terminal": true } }

{ "name": "adaptorch_get_artifacts", "arguments": { "run_id": "${RUN_ID}" } }

2 · 预先路由 DAG

adaptorch_route_topology 在本地计算推荐拓扑 — 它不会调用控制平面。

{ "name": "adaptorch_route_topology",
  "arguments": { "subtasks": [ { "id": "t1" }, { "id": "t2" } ],
                 "dependencies": [ { "from": "t1", "to": "t2" } ] } }

3 · 运维

用 adaptorch_list_runs 列出近期运行，用 adaptorch_cancel_run 停止正在执行的运行。adaptorch_run_prompt 与 adaptorch_get_run_prompt 提示词封装了这两条路径。

• 找不到启动器：请使用 adaptorch-mcp 控制台脚本或 scripts/run_adaptorch_mcp.sh。
• 缺少令牌：设置 ADAPTORCH_CONTROL_PLANE_TOKEN，或传入 --api-token。
• 分帧不匹配：stdio 使用换行分隔的 JSON-RPC；请勿混用 Content-Length 分帧。
• HTTP 401 / 403：检查 bearer 令牌与 Origin 允许列表。
• HTTP 413：负载超过大小上限；请调高上限或缩小请求体。
• verification_commands 被拒绝：该数组会按允许列表校验；请移除不被允许的命令。
• 冒烟测试：GET /mcp/health 与 GET /mcp/sse?once=true。

• Adaptorch-MCP (GitHub)
• AdaptOrch MCP server (GitHub)
• 信任中心
• ingeng2004@gmail.com
• 打开应用