很多开发者在使用 Codex、AI Agent 或自动化编程工具时，都会遇到一个问题：

模型能力还够，但是额度不够。

尤其是在大型项目开发过程中，Agent 需要不断分析代码、理解上下文、规划修改方案，短时间内很容易消耗大量推理额度。

有没有一种方式，可以把不同 AI 的能力组合起来？

答案是：通过 MCP（Model Context Protocol）搭建一个 AI 推理桥接层。

本文介绍一个开源方案：

DSH Fusion Gateway

GitHub：

https://github.com/2025ashore/DSH-Brain-Bridge.git

---

一、问题：Codex 额度为什么容易不够？

现在很多 AI 编程工具采用 Agent 模式：

需求分析
 ↓
代码理解
 ↓
任务规划
 ↓
修改文件
 ↓
测试验证
 ↓
继续推理

每一步都需要模型参与。

对于大型项目：

• 一个功能可能需要几十轮推理

• 一次 Bug 修复可能需要分析大量上下文

• Agent 需要持续保持项目状态

因此，即使模型能力很强，也容易遇到：

• 今日额度耗尽

• 高级模型调用次数限制

• 长上下文成本过高

---

二、核心思路：让 Agent 和 Reasoning Model 分离

传统方式：

用户
 |
Codex Agent
 |
同一个模型负责所有事情
 |
消耗大量额度

新的架构：

用户
 |
Agent Runtime
 |
DSH Harness
 |
MCP Gateway
 |
ChatGPT Web Reasoning Brain

其中：

• Agent 负责执行任务

• 工具负责修改代码

• ChatGPT 负责复杂推理

把“行动”和“思考”拆开。

---

三、DSH Fusion Gateway 是什么？

DSH Fusion Gateway 是一个 MCP 推理桥接网关。

它的定位：

让 DeepSeek Harness 作为 Agent Runtime，让 ChatGPT Web 作为外部 Reasoning Provider。

简单理解：

DSH：

• 管理项目

• 调用工具

• 执行代码

• 控制权限

ChatGPT：

• 阅读上下文

• 分析问题

• 提供解决方案

Gateway：

• 负责两者之间的数据交换

---

四、工作流程

整体流程：

用户请求
   |
   ↓
DSH Agent
   |
   ↓
生成 Context Snapshot
   |
   ↓
Fusion Gateway
   |
   ↓
ChatGPT Brain Worker
   |
   ↓
返回 Reasoning Result
   |
   ↓
DSH 执行动作

关键点：

ChatGPT 不直接操作你的电脑。

它只负责：

• 分析

• 推理

• 给建议

真正执行：

• 文件修改

• Shell 命令

• 工具调用

仍然由 Agent 自己完成。

---

五、为什么这个方案可以缓解 Codex 额度问题？

因为：

Codex：

负责完整 Agent Loop

而这个方案：

把部分高消耗推理任务迁移到独立 Reasoning Provider

例如：

以前：

Agent:
我要分析代码
我要规划方案
我要修改文件
我要测试

全部消耗 Codex

现在：

Agent:
负责执行

ChatGPT:
负责思考

降低单一模型压力。

---

六、项目主要功能

1. MCP 协议支持

基于 Model Context Protocol：

可以连接：

• AI Agent

• MCP Client

• 外部工具

---

2. 严格 Reasoning Contract

每一次请求：

发送完整 Context Snapshot。

返回：

• final

• action_proposal

• readonly_batch

保证推理结果可控。

---

3. 请求恢复机制

支持：

• 崩溃恢复

• 请求重试

• nonce 校验

• 状态恢复

避免 Agent 工作中断。

---

4. 多 Brain Worker

可以配置多个推理 Worker：

例如：

GPT-5.x
Claude
其他 LLM

根据任务选择不同模型。

---

七、适合哪些场景？

1. AI 编程助手

例如：

• Codex

• Cursor

• Continue

• 自研 Agent

---

2. 大型项目开发

例如：

• 后端系统

• AI 应用

• 框架开发

---

3. 个人 AI 工作流

打造：

自己的 AI 软件团队

一个模型负责：

架构设计

另一个负责：

代码执行

另一个负责：

测试分析

---

八、快速开始

环境：

Node.js 18+
Git
MCP Client

安装：

git clone https://github.com/2025ashore/DSH-Brain-Bridge.git

cd dsh-fusion-gateway

npm install

启动：

npm start

默认监听：

127.0.0.1:7688

---

九、总结

当 Codex 或其他 AI Agent 遇到额度限制时，不一定只能升级套餐。

另一种思路：

把 Agent 和 Reasoning 分离。

通过 MCP：

• Agent 负责执行

• LLM 负责思考

• Gateway 负责连接

可以构建更加灵活的 AI 开发体系。

DSH Fusion Gateway 只是一个探索方向，希望能够帮助更多开发者构建自己的 AI Agent 基础设施。

项目地址：

https://github.com/2025ashore/DSH-Brain-Bridge.git

欢迎大家 Star、Fork 和交流。