# pal-mcp-server-multi-model-orchestration

Скилл pal-mcp-server-multi-model-orchestration для Claude Code подключает PAL MCP для работы с несколькими ИИ-моделями: код-ревью и разбор ошибок. Даёт второй взгляд на код.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 227 установок · ★ 9 у репозитория
- Автор: reason-machines
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/reason-machines/mcp-skills/tree/HEAD/skills/pal-mcp-server-multi-model-orchestration/SKILL.md
- Обновлён: 2026-10-09
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/pal-mcp-server-multi-model-orchestration

## Что делает

Скилл помогает задействовать через PAL MCP модели Gemini, OpenAI, Grok и Ollama в задачах код-ревью, отладки и планирования. Инструмент `pal` ведёт диалог с моделью, а `clink` запускает внешние CLI как субагентов с отдельным контекстом. Для код-ревью предусмотрен отдельный рабочий процесс с оценкой уверенности и сверкой выводов разных моделей.

Для работы самого PAL MCP нужны Python 3.10+, Git и пакетный менеджер `uv`. Также требуется хотя бы один ключ API провайдера; для локальных моделей в README указано использование Ollama без ключа. Без настроенного ключа подходящего провайдера облачные модели не заработают.

Скилл доступен для Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode. Установка скилла и настройка PAL MCP — отдельные шаги: для запуска сервера README предлагает клонировать репозиторий и выполнить `./run-server.sh` либо настроить `uvx`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/mcp-skills --skill pal-mcp-server-multi-model-orchestration -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/pal-mcp-server-multi-model-orchestration/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/pal-mcp-server-multi-model-orchestration/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/mcp-skills --skill pal-mcp-server-multi-model-orchestration -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/pal-mcp-server-multi-model-orchestration/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/mcp-skills --skill pal-mcp-server-multi-model-orchestration -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/pal-mcp-server-multi-model-orchestration/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install reason-machines/mcp-skills skills/pal-mcp-server-multi-model-orchestration
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/pal-mcp-server-multi-model-orchestration/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/mcp-skills --skill pal-mcp-server-multi-model-orchestration -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/reason-machines/mcp-skills --path skills/pal-mcp-server-multi-model-orchestration
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/pal-mcp-server-multi-model-orchestration/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/mcp-skills --skill pal-mcp-server-multi-model-orchestration -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/reason-machines/mcp-skills/tree/HEAD/skills/pal-mcp-server-multi-model-orchestration/SKILL.md

## Когда брать
- попросить несколько моделей проверить изменения в коде
- разобрать причину ошибки через отдельный CLI
- сравнить мнения моделей перед выбором архитектуры
- передать код-ревью модели с ролью рецензента

## Примеры запросов агенту
- Проверь изменения в модуле авторизации с помощью Gemini и GPT-5.
- Разбери утечку памяти отдельно через Codex, не смешивая расследование с основным контекстом.
- Сравни мнения Gemini Pro и GPT-5: выбрать REST или GraphQL для этого API?

## Похожие
- [edict-multi-agent-orchestration](https://affpapa.org/nevibecode/skills/edict-multi-agent-orchestration.md) — скилл · 1400 установок
- [open-multi-agent-orchestration](https://affpapa.org/nevibecode/skills/open-multi-agent-orchestration.md) — скилл · 718 установок
- [skypilot-multi-cloud-orchestration](https://affpapa.org/nevibecode/skills/skypilot-multi-cloud-orchestration.md) — скилл · 1100 установок
- [multi-agentic-threat-model](https://affpapa.org/nevibecode/skills/multi-agentic-threat-model.md) — скилл · 188 установок
- [Multi-Agent Architect](https://affpapa.org/nevibecode/skills/multi-agent-architect.md) — скилл · 162 установки
- [deep-agents-orchestration](https://affpapa.org/nevibecode/skills/deep-agents-orchestration.md) — скилл · 17100 установок

Из того же набора: [reason-machines/mcp-skills](https://affpapa.org/nevibecode/by/reason-machines/mcp-skills.md) — 98 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
