Zen MCP Server — Anwendungsfälle, Installieren & Live-Demo

Warum nutzen

Hauptfunktionen

Modell-übergreifende Gespräche: jedes Tool kann ein anderes Modell wählen
Workflow-Tools: thinkdeep, planner, debug, codereview, consensus, refactor
Provider-Unterstützung: Gemini, OpenAI, Grok, OpenRouter, Ollama, Azure OpenAI
Continuation-IDs um modell-übergreifenden Kontext am Leben zu erhalten
Eingebautes Kosten-Tracking pro Provider

Live-Demo

In der Praxis

zen-mcp-server.replay ▶ bereit

0/0

Installieren

Wählen Sie Ihren Client

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "zen-mcp-server": {
      "command": "uvx",
      "args": [
        "zen-mcp-server"
      ]
    }
  }
}

Öffne Claude Desktop → Settings → Developer → Edit Config. Nach dem Speichern neu starten.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "zen-mcp-server": {
      "command": "uvx",
      "args": [
        "zen-mcp-server"
      ]
    }
  }
}

Cursor nutzt das gleiche mcpServers-Schema wie Claude Desktop. Projektkonfiguration schlägt die globale.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "zen-mcp-server": {
      "command": "uvx",
      "args": [
        "zen-mcp-server"
      ]
    }
  }
}

Klicken Sie auf das MCP-Servers-Symbol in der Cline-Seitenleiste, dann "Edit Configuration".

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "zen-mcp-server": {
      "command": "uvx",
      "args": [
        "zen-mcp-server"
      ]
    }
  }
}

Gleiche Struktur wie Claude Desktop. Windsurf neu starten zum Übernehmen.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "zen-mcp-server",
      "command": "uvx",
      "args": [
        "zen-mcp-server"
      ]
    }
  ]
}

Continue nutzt ein Array von Serverobjekten statt einer Map.

~/.config/zed/settings.json

{
  "context_servers": {
    "zen-mcp-server": {
      "command": {
        "path": "uvx",
        "args": [
          "zen-mcp-server"
        ]
      }
    }
  }
}

In context_servers hinzufügen. Zed lädt beim Speichern neu.

claude mcp add zen-mcp-server -- uvx zen-mcp-server

Einzeiler. Prüfen mit claude mcp list. Entfernen mit claude mcp remove.

Anwendungsfälle

Praxisnahe Nutzung: Zen MCP Server

Konsens von 3 verschiedenen Modellen zu einer schwierigen Architekturentscheidung einholen

👤 Tech Leads bei wichtigen Entscheidungen ⏱ ~20 min intermediate

Wann einsetzen: Reine Claude-Meinungen fühlen sich wie ein einziger Standpunkt an; du möchtest Vielfalt.

Voraussetzungen

API-Keys für mindestens 2 alternative Provider — GEMINI_API_KEY, OPENAI_API_KEY, OPENROUTER_API_KEY setzen

Ablauf

Frage formulieren

Use zen.consensus. Question: should we move our queue from Redis to NATS Jetstream? Stakes: 50M msgs/day, 99.99% uptime. Ask Gemini Pro and o3.✓ Kopiert

→ Beide Modelle antworten, Claude fasst Unterschiede zusammen
In die Meinungsverschiedenheit eintauchen

Where do they disagree? Use zen.chat to push back on each model's weakest point.✓ Kopiert

→ Pro-Modell Gegenargument-Durchgang
Synthetisieren

Give me a final recommendation with the strongest argument from each side surfaced.✓ Kopiert

→ Zusammengeführtes Entscheidungsdokument

Ergebnis: Eine Architekturentscheidung, die du mit modell-übergreifenden Belegen verteidigen kannst.

Fallstricke

Modelle halluzinieren API-Eigenheiten unterschiedlich — falscher Konsens — Für faktische Behauptungen immer mit echten Dokumenten/Quellen verifizieren

Kombinieren mit: context7 · git-mcp-idosal

thinkdeep mit Gemini Pro für die Planung verwenden bevor Claude ausführt

👤 Entwickler, die an Claudes Planungsgrenze bei riesigen Aufgaben stoßen ⏱ ~40 min intermediate

Wann einsetzen: Aufgabe ist so groß, dass sogar erweitertes Denken den Faden verliert.

Ablauf

Aufgabe übergeben

Use zen.thinkdeep with gemini-2.5-pro. Plan the migration from monolith to 3 microservices. Identify all sequencing risks.✓ Kopiert

→ Langer Plan von Gemini, zurückgegeben als strukturiertes Dokument
Plan kritisieren

Now you (Claude) review that plan. What's missing? What's risky?✓ Kopiert

→ Lückenanalyse
Schritt 1 ausführen

Implement the first phase of the plan in this repo.✓ Kopiert

→ Echte Bearbeitungen

Ergebnis: Pläne, denen du vertraust weil zwei Modelle der Form zugestimmt haben.

Kombinieren mit: desktop-commander-mcp

zen.codereview von einem anderen Modell als dem ausführen, das den Code geschrieben hat

👤 Solo-Entwickler, die adversariales Review wollen ⏱ ~25 min intermediate

Wann einsetzen: Du hast ein Feature mit Claude erstellt und möchtest ein frisches Augenpaar (anderes Modell).

Ablauf

Diff vorbereiten

Save the current branch's diff. Pass it to zen.codereview with o3.✓ Kopiert

→ Review-Kommentare nach Datei organisiert
Akzeptieren oder ablehnen

Show me each suggestion. Apply only the ones I approve.✓ Kopiert

→ Pro-Vorschlag Akzeptieren/Ablehnen-Prompt

Ergebnis: Code von einem Modell mit anderen Vorannahmen geprüft.

Kombinieren mit: git-mcp-idosal

Kombinationen

Mit anderen MCPs für 10-fache Wirkung

zen-mcp-server + desktop-commander-mcp

Mit Gemini planen, mit Claude+desktop-commander ausführen

zen-mcp-server + git-mcp-idosal

Repository via gitmcp abrufen, codereview via zen mit o3

Werkzeuge

Was dieses MCP bereitstellt

Werkzeug	Eingaben	Wann aufrufen	Kosten
chat	prompt, model?, continuation_id?	Allgemeines Q&A an alternatives Modell	1 API-Aufruf an das gewählte Modell
thinkdeep	problem, model?	Schwierige Probleme planen	Intensiv — nutzt Thinking-Budget
codereview	files[], model?	Unvoreingenommenes PR-Review	1 API-Aufruf
debug	error, context, model?	Bei einem Bug feststecken den Claude nicht sieht	1 API-Aufruf
consensus	question, models[]	Wichtige Entscheidungen	N API-Aufrufe
precommit	diff, model?	Letzte Prüfung vor dem Commit	1 API-Aufruf

Kosten & Limits

Was der Betrieb kostet

API-Kontingent: Pro Provider; du zahlst jeden separat
Tokens pro Aufruf: Variabel nach Tool — thinkdeep kann 30k+ erreichen
Kosten in €: Kostenloser Server; jeden LLM-Provider direkt bezahlen
Tipp: DEFAULT_MODEL=ollama:llama3.1 für Alltagsgespräche setzen, nur bei Bedarf auf bezahlte Modelle eskalieren

Sicherheit

Rechte, Secrets, Reichweite

Minimale Scopes: outbound:llm-providers

Credential-Speicherung: Provider-Keys in Umgebungsvariablen

Datenabfluss: Welche Provider auch immer konfiguriert sind

Code an mehrere Provider zu senden bedeutet mehrere Datenverarbeitungsrichtlinien — Bedingungen jedes Providers prüfen

Fehlerbehebung

Häufige Fehler und Lösungen

Modell nicht verfügbar

Umgebungsvariable für diesen Provider prüfen; nur konfigurierte Provider erscheinen

Prüfen: Zen-Tools auflisten — Modell-Standardwerte erscheinen dort

Continuation-ID verloren

Jedes Tool gibt eine continuation_id zurück; diese zurückgeben um modell-übergreifenden Kontext zu erhalten

Kostenüberlauf bei thinkdeep

MAX_THINKING_TOKENS in Umgebungsvariable setzen; Standard kann hoch sein

Alternativen

Zen MCP Server vs. andere

Alternative	Wann stattdessen	Kompromiss
context-mode-mcp	Du möchtest Kontext-Gestaltung, nicht Multi-Modell-Routing	Anderes Problem
Direct OpenAI/Gemini MCPs	Du brauchst nur ein alternatives Modell, keine Orchestrierung	Weniger Aufwand aber keine consensus/thinkdeep-Workflows

Mehr

Ressourcen

📖 Offizielle README auf GitHub lesen

🐙 Offene Issues ansehen

🔍 Alle 400+ MCP-Server und Skills durchsuchen