使用说明

🎯 双CLI ECHO SHELL

统一AI CLI桥-GitHub Copilot+Claude代码集成

📖 概述

DUAL CLI ECHO SHELL是一个生产级AI编排系统 GitHub Copilot命令行界面 和 克劳德代码CLI 将其转换为具有完全CPU访问权限的单个HTTP网桥。同时查询两个AI，通过专业的web GUI管理15+MCP服务器，并使用语音命令控制一切。

主要特点：

🤖 并行AI查询 -同时询问Copilot和Claude
🌐 专业Web图形用户界面 -功能齐全的指挥中心
🎙️ 语音控制 -使用10+个触发短语进行唤醒词检测
🔧 MCP服务器管理 -从GUI面板启动/终止服务器
🔒 完全CPU访问 -通过Python子进程直接控制系统
🌍 外部访问 -Ngrok隧道用于远程连接
🎭 12个人工智能人物 -从ECHO PRIME到GS343

🚀 快速开始

先决条件

Windows 10/11
Python 3.8+
GitHub CLI+Copilot扩展
Claude Code命令行界面（可选）
Node.js+npm（用于Claude CLI）

安装

# 1. Clone repository
git clone https://github.com/Bmcbob76/DUAL-CLI-ECHO-SHELL.git
cd DUAL-CLI-ECHO-SHELL

# 2. Install GitHub CLI + Copilot
winget install --id GitHub.cli
gh auth login
gh extension install github/gh-copilot

# 3. Install Claude Code CLI
npm install -g @anthropic-ai/claude-code
claude-code auth

# 4. Install Python dependencies
pip install flask flask-cors psutil --break-system-packages

# 5. Launch bridge server
python ai_bridge_server.py
# Server starts on http://localhost:8765

# 6. Launch GUI (optional)
cd GUI
python gui_server.py
# GUI opens at http://localhost:8766

🏗️ 建筑

┌─────────────────────────────────────────────────────────┐
│                  WEB GUI (localhost:8766)               │
│  • Parallel AI queries                                 │
│  • MCP server management                               │
│  • Voice control with wakewords                        │
│  • File browser & terminal                             │
└────────────────────┬────────────────────────────────────┘
                     │ HTTP
                     ▼
┌─────────────────────────────────────────────────────────┐
│           AI BRIDGE SERVER (localhost:8765)             │
│                                                         │
│  Endpoints:                                             │
│  • POST /api/copilot  → GitHub Copilot CLI             │
│  • POST /api/claude   → Claude Code CLI                │
│  • POST /api/both     → Parallel query (ThreadPool)    │
│  • GET  /api/metrics  → System health                  │
└──────────────┬──────────────────────┬───────────────────┘
               │                      │
               ▼                      ▼
┌──────────────────────┐   ┌──────────────────────┐
│  GitHub Copilot CLI  │   │  Claude Code CLI     │
│  (gh copilot)        │   │  (claude-code)       │
└──────────┬───────────┘   └──────────┬───────────┘
           │                          │
           └───────────┬──────────────┘
                       ▼
           ┌────────────────────────┐
           │    FULL CPU ACCESS     │
           │  (Python subprocess)   │
           └────────────────────────┘

💻 API使用

查询GitHub副本

curl -X POST http://localhost:8765/api/copilot \
  -H "Content-Type: application/json" \
  -d '{"query":"Write Python function for factorial"}'

查询克劳德代码

curl -X POST http://localhost:8765/api/claude \
  -H "Content-Type: application/json" \
  -d '{"query":"Explain bubble sort algorithm"}'

查询两者（并行）

curl -X POST http://localhost:8765/api/both \
  -H "Content-Type: application/json" \
  -d '{"query":"Create binary search tree in Python"}'

答复：

{
  "success": true,
  "copilot": {
    "provider": "GitHub Copilot",
    "response": "class BSTNode:...",
    "duration_ms": 234
  },
  "claude": {
    "provider": "Claude Code",
    "response": "class BinarySearchTree:...",
    "duration_ms": 456
  },
  "duration_ms": 467
}

🎙️ 语音控制

唤醒词：

“Echo”/“Echo Prime”
“嘿，回声”/“好的，回声”
“电脑”/“贾维斯”/“星期五”
“助理”/“指挥官”/“系统”

用途：

说wakeword： “嘿，回声”
系统发出蜂鸣声并显示监听指示灯
说出命令： “今天天气怎么样？”
命令已自动处理

特征：

背景噪声降低（200Hz高通滤波器）
快速响应的中期结果
视觉反馈(🎤 听。..)
音频确认蜂鸣声
50%置信阈值

🔧 MCP服务器管理

什么是MCP服务器集成？

GUI包括一个功能强大的MCP（模型上下文协议）服务器管理系统 两种互补控制:

🎛️ MCP下拉菜单（左侧栏）

它的作用： 通过特定的MCP服务器后端路由您的AI查询

可以这样想： 选择哪位专家来处理您的请求

示例：

Query: "Search my documents for project files"

MCP Dropdown = "crystal-memory-hub"
→ Routes through Crystal Memory system
→ Searches M: drive crystal archives
→ Returns memory-indexed results
→ AI response includes memory context

MCP Dropdown = "desktop-commander"
→ Routes through Desktop Commander
→ Searches P: drive file system
→ Returns direct file results
→ AI response includes file paths

何时使用哪个服务器：

MCP服务器	用途	查询示例
晶体存储器中心	知识/记忆查询	“我们讨论了X什么？”
桌面指挥官	文件操作	“查找项目中的所有Python文件”
windows操作	系统控制	“列出正在运行的进程”
语音系统中心	TTS/语音命令	“用BREE的声音说”
内存编排	跨会话内存	“记住这一点以备将来聊天”

它是如何工作的：

从下拉列表中选择MCP服务器
您发送AI查询
查询丰富了MCP服务器上下文
AI同时接收：您的查询+服务器数据
AI响应使用服务器功能

类比：

比如选择手机应用程序 -同一部手机（AI），不同的应用程序（MCP服务器）用于不同的任务
就像选择一个工具 -你仍然在做这项工作，但合适的工具会让它更容易

🔧 MCP面板（右侧滑出）

它的作用： 管理正在运行的MCP服务器（启动/停止/监视）

可以这样想： 打开任务管理器查看正在运行的程序

用途：

点击“🔧 MCP服务器”按钮（右上角）
面板幻灯片显示了所有15台服务器
每个节目：在线✅ 或离线❌
点击🚀 启动以启动脱机服务器
点击⛔ 终止以停止运行服务器

何时使用：

在下拉列表中选择服务器之前启动它
故障服务器故障排除
监控系统资源
系统维护

完整的MCP工作流示例

脚本： 您想使用语音合成

第一步： 检查语音系统是否正在运行

Click "🔧 MCP Servers" (top-right)
→ Panel shows "voice-system-hub: OFFLINE ❌"

第二步： 启动服务器

Click "🚀 Launch" next to voice-system-hub
→ Wait 3 seconds
→ Status changes to "ONLINE ✅"

步骤3： 选择它进行AI查询

Close MCP panel
→ Go to left sidebar
→ MCP Dropdown → Select "voice-system-hub"

步骤4： 用它

Type: "Say hello using ECHO PRIME voice"
→ AI receives your query + voice server connection
→ Returns TTS audio played through your speakers

MCP与无MCP

没有MCP服务器：

Query: "Find files about authentication"
AI Response: "I'd suggest looking in common directories..."
Result: Generic advice, no actual files found

使用MCP服务器（桌面命令器）：

Query: "Find files about authentication"
AI Response: "Found 3 files:
  - P:\ECHO_PRIME\auth\login.py
  - P:\ECHO_PRIME\utils\oauth.py  
  - P:\ECHO_PRIME\middleware\auth.js"
Result: Actual files from your system

区别： MCP服务器提供AI 直接存取 到您的系统资源

🎭 AI个性

12个具有特殊角色的独特AI代理：

个性	角色	权威	声音
ECHO PRIME	最好的朋友和旁白	10.0	ElevenLabs
BREE	未释放的智能	11.0	ElevenLabs
GS343	先行者监视器	11.0	ElevenLabs
C3PO	礼仪	8.0	TTS
R2D2	系统与工程	9.0	音效
RAISTLIN	奥术知识	10.0	ElevenLabs
PROMETHEUS	创新与创造	11.0	ElevenLabs
凤凰城	复活与治愈	11.0	ElevenLabs
NYX	阴影与神秘	10.0	TTS
SAGE	智慧与哲学	11.0	TTS
索恩	安全与保护	9.0	TTS
三一	统一意识	11.0	多人工智能

🌍 外部访问（Ngrok）

通过Ngrok隧道启用远程访问：

# 1. Install ngrok
choco install ngrok

# 2. Authenticate
ngrok config add-authtoken YOUR_TOKEN_HERE

# 3. Launch tunnel
ngrok http 8765

# 4. Use public URL
# https://abc123.ngrok.io/api/both

使用案例：

从移动设备访问
与外部AI共享（Spark）
远程开发
Webhooks集成

📁 项目结构

DUAL-CLI-ECHO-SHELL/
├── ai_bridge_server.py          # Core HTTP bridge
├── GUI/
│   ├── index.html               # Web interface
│   ├── gui_server.py            # GUI backend
│   ├── enhanced_voice_recognition.js
│   └── MCP_SYSTEM_EXPLAINED.md
├── README.md                     # This file
├── INSTALL_GUIDE.md             # Detailed setup
├── TEST_PROCEDURES.md           # Validation tests
├── SPARK_INTEGRATION.md         # External AI guide
├── NGROK_CONFIG.md              # Tunnel setup
└── CLAUDE_BEHAVIOR.md           # AI response protocol

🧪 测试

# Health check
curl http://localhost:8765/health

# System metrics
curl http://localhost:8765/api/metrics

# Test Copilot
curl -X POST http://localhost:8765/api/copilot \
  -H "Content-Type: application/json" \
  -d '{"query":"test"}'

# Test parallel query
curl -X POST http://localhost:8765/api/both \
  -H "Content-Type: application/json" \
  -d '{"query":"explain recursion"}'

预期产量：

所有端点均返回200 OK
副驾驶/克劳德标记为可用
响应时间小于1秒
CPU指标低于50%

🔒 安全

当前（发展）：

✅ 通过ngrok的HTTPS
❌ 无身份验证
❌ 无速率限制
✅ 请求日志记录

生产建议：

添加API密钥身份验证
实施速率限制
使用带有有效证书的HTTPS
添加请求验证
启用日志监控

🤝 贡献

欢迎投稿！拜托：

分叉存储库
创建特征分支(git checkout -b feature/AmazingFeature)
提交更改(git commit -m 'Add AmazingFeature')
推送到分支(git push origin feature/AmazingFeature)
打开拉取请求

📜 许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

🙏 致谢

Anthropic -克劳德代码CLI
GitHub -Copilot命令行界面
ECHO PRIME XV4项目 -系统架构
指挥官鲍比·唐·麦克威廉姆斯二世 -愿景与发展

📞 支持

GitHub问题： 报告错误
文档： 看 /docs 指南文件夹
存储库： https://github.com/Bmcbob76/DUAL-CLI-ECHO-SHELL

内置于⚡ 指挥官鲍比·唐·麦克威廉姆斯二世
ECHO PRIME XV4项目的一部分