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%）。

ModelDock 仪表盘

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

模型选择器

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

浏览器打开 http://127.0.0.1:4097
添加 AI Provider（OpenCode Go / DeepSeek / 自定义端点 / Ollama）
开启 Codex 中「使用其他 API」开关，重启 Codex
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

三层记忆系统

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