ModelDock：让所有 AI 工具协同工作的本地网关

痛点：一个窗口写代码，另一个窗口问问题

程序员小李最近同时用上了 DeepSeek 做代码生成、用 Codex 做代码补全、用 Ollama 跑本地模型。但每次想要让 AI「看图说话」或「联网搜索」时，就得在多个应用之间来回切换——复制 prompt、粘贴结果、再复制、再粘贴。这不是效率工具，这是一场跨应用的「搬家运动」。

ModelDock 解决的就是这个问题：它是一个运行在本地（127.0.0.1:4097）的轻量网关，架在 Codex 和各种 AI 后端之间，让用户在 Codex 里就能调用 DeepSeek、Qwen、Grok，甚至本地的 Ollama、llama.cpp、vLLM，而且自带视觉、语音、搜索、记忆、视频生成等工具加成。

---

项目背景：从「各自为战」到「协同指挥」

ModelDock 由社区开发者 architectds 创建，遵循 Apache-2.0 开源协议。它不依附于任何一家 AI 公司，却在设计上与 OpenCode Go（opencode.ai）深度集成——Codex 是它默认的交互前端，用户在 Codex 里完成的每一轮对话，都经过 ModelDock 的网关路由到选定的 AI 提供商。

这种「协议桥接」思路的本质，是用 MCP（Model Context Protocol） 来标准化 AI 工具之间的通信。ModelDock 在 Codex 侧暴露 MCP 接口，同时支持 OpenAI 兼容的 Responses 端点，这意味着只要符合标准的 AI 服务，都可以在不做任何代码改动的情况下接入。

---

核心功能：不是另一个 AI，而是 AI 的「中枢神经」

多模型聚合路由

ModelDock 支持同时接入多个 AI 提供商：

• OpenCode Go（默认）、DeepSeek 官方 API、Grok
• 本地模型：Ollama、llama.cpp、vLLM（自动探测本地环回地址）
• 自定义端点：任何符合 OpenAI 兼容规范的 Responses API

用户不需要切换应用——在 Codex 的模型选择器里就能切换主模型，ModelDock 自动处理不同模型的 API 差异，包括上下文窗口差异、超时处理、CPU 压缩等。

工具矩阵（Tool Matrix）

ModelDock 不是简单的 API 转发，它为 AI 补全了原生的能力缺口：

工具名称	功能描述	依赖服务
vision_inspect	视觉理解，支持粘贴图片或文件	需配置视觉模型
speak	文字转语音（TTS），生成本地音频文件	msedge-tts
hear	语音转文字（STT），转写音频文件	需 STT 配置
web_search_exa	网络搜索，通过 Exa 实时查询	Exa API key
image_gen	AI 图像生成，走 Codex 的 ChatGPT 后端	Codex 账号
store_memory / recall_memory	三层跨会话记忆（项目级/全局级/专家级）	SQLite 本地存储
content-to-video	从 prompt 制作 MP4 视频	需 ffmpeg

三层记忆是 ModelDock 的一个亮点：项目级记忆存储当前任务的上下文，全局级记忆跨项目共享，专家级记忆可以导入外部知识库。官方数据显示，合理使用记忆后，同类任务的时间消耗从 4 小时 15 分钟缩短到 2 小时 24 分钟（提升约 40%）。

本地模型支持

对于注重隐私或想要离线使用的用户，ModelDock 提供了完善的本地模型支持：

• 自动探测环回地址上运行的 Ollama、llama.cpp、vLLM
• 内置 llama.cpp 参数推荐器，根据可用内存推荐压缩率和上下文大小
• 检测到本地模型后，Codex 用量自动切换到 CPU 压缩模式，减少资源占用

---

技术架构：Node.js 网关 + MCP 协议栈

技术栈一览

Node.js >= 24（使用 node:sqlite 原生模块）
├── Express.js 5.x          — Web 仪表盘与 HTTP 网关
├── @modelcontextprotocol   — MCP 协议实现
│   ├── node / express / server / client  — 完整 MCP 2.0 实现
├── zod 4.x                — Schema 验证
├── fzstd                  — Zstd 压缩（上下文压缩）
└── msedge-tts             — Edge 语音合成
构建工具：esbuild
测试框架：Node.js 原生 test runner

代码结构

src/
├── server.mjs              — 主入口，Express 服务器
├── config.mjs              — 配置加载（支持 TOML）
├── catalog.mjs             — 模型目录
├── engine-processes.mjs    — 本地引擎管理
├── custom-endpoints.mjs     — 自定义端点路由
├── context-overrides.mjs    — 上下文压缩（compaction）
├── compress.mjs            — Zstd 压缩
├── codex-*.mjs             — Codex 认证与通信
├── autostart.mjs           — 开机自启
└── doctor.mjs              — 诊断工具
skills/
└── content-to-video/       — 视频生成技能
config/
└── codex.example.toml      — 配置示例

MCP 协议的核心价值

ModelDock 使用 Model Context Protocol（MCP）实现跨 AI 工具的标准化通信。MCP 是 Anthropic 提出的开放协议，充当「适配器层」：上游是 Codex 的对话接口，下游是各家 AI 提供商的原生 API，MCP 在中间做协议转换和上下文管理。开发者如果想接入新的 AI 服务，只需实现对应的 MCP Server，无需修改 ModelDock 核心代码。

上下文压缩

ModelDock 实现了上下文压缩机制（Compaction）：当对话长度超过阈值时，使用 Zstd 算法压缩历史上下文，移除冗余 token，同时保留关键决策和工具调用结果。这对于本地模型场景尤为重要——本地模型的上下文窗口通常比云端小得多，压缩机制直接决定了长会话的可行性。

---

上手体验：安装 5 分钟，节省 2 小时

安装门槛

• 操作系统：Windows / macOS / Linux
• Node.js：>= 24（安装器自动检查）
• 必备依赖：无（除 Node.js）
• 可选：ffmpeg（视频生成）

安装高度自动化：Windows 一行 PowerShell，macOS/Linux 一行 curl | sh，自动下载到 ~/.modeldock、配置开机自启、启动网关、打开仪表盘。

配置流程

1. 浏览器打开 http://127.0.0.1:4097
2. 添加 AI Provider（OpenCode Go / DeepSeek / 自定义端点 / Ollama）
3. 开启 Codex 中「使用其他 API」开关，重启 Codex
4. 在 Codex 模型选择器中选 ModelDock 的模型

---

局限与风险

1. 强依赖 Codex

ModelDock 完全围绕 Codex 展开。如果不使用 Codex，这个工具毫无意义——它不是独立的 AI 对话界面，只是一个 Codex 的「增强插件」。

2. Node.js 版本要求激进

项目要求 Node.js >= 24，较为激进，很多用户需要专门安装新版本。

3. 本地模型性能瓶颈

Ollama/llama.cpp 推理速度远不及云端 API，对于需要低延迟的场景（如实时补全），体验较差。

4. 记忆系统的数据安全

store_memory 调用会将内容发送给 AI 提供商处理。对于高度敏感的代码或商业机密，需要评估 AI 提供商的数据处理政策。

---

行业意义：AI 工具聚合的新范式

ModelDock 代表了一种新兴的 AI 工具链思路：不是做一个更好的 AI，而是做一个更好的 AI 路由器。在 2025-2026 年的 AI 生态中，单一模型已经很难满足复杂任务的需求，多模型协作才是趋势。而多模型协作最大的障碍，不是模型本身的能力，而是工具之间的连接成本。

ModelDock 通过 MCP 协议和本地网关，把连接成本降到接近零。对于已经在使用 Codex 的用户，ModelDock 是一个几乎零成本的升级。

---

快速上手命令

# macOS / Linux 安装
curl -fsSL https://raw.githubusercontent.com/architectds/modeldock/main/scripts/install.sh | sh

# Windows 安装
$installer = Join-Path $env:TEMP "modeldock-install.ps1"
Invoke-WebRequest -UseBasicParsing "https://github.com/architectds/modeldock/releases/latest/download/install.ps1" -OutFile $installer
powershell -NoProfile -ExecutionPolicy Bypass -File $installer

# 本地开发
git clone https://github.com/architectds/modeldock.git
cd modeldock && npm ci && npm test

# 手动启动网关
npm start

# 开发模式（热重载）
npm run dev

# 手动恢复（网关挂了）
sh ~/.modeldock/scripts/recover.sh   # Linux/macOS
powershell -ExecutionPolicy Bypass -File "$env:USERPROFILE\.modeldock\scripts\recover.ps1"  # Windows

---

ModelDock 三层记忆系统：项目级、全局级、专家级，支持跨会话持续学习