1. 准备目标
确认 SSH 主机、端口、账号和项目绝对路径；本机准备私钥及已核验指纹的 known_hosts。目标账号需具备项目权限，远端安装 Python3、Git、ripgrep。
管理后台
管理中转 Key、查看可用模型与接入指南。
远程工作桥使用说明 →API 控制台
Base URL：https://api.guangsuan.com/v1
新 Key 仅在生成时显示完整值。停用、删除和权限调整立即生效。
客户端通过 GET /v1/models 获取列表；使用供应商/模型名区分重名模型。原有 GPT 简称仍可调用。额度与权限以上游为准。
本机 AI 通过 MCP + SSH 操作远端项目；模型 API Key 与 SSH 私钥留在本机，远端只运行无模型凭据的 Python 执行器。
版本 0.2.0 · OpenCode V2 · 本机 Linux / WSL，远端 Linux · Python 3.10+ 与 OpenSSH · 文件清单与 SHA256
2. 安装到独立工作区
解压后阅读 README.md，运行 python3 setup.py --help。安装器创建本地独立 OpenCode 项目、MCP 配置和目标配置，不修改全局 OpenCode 设置。
3. 接入模型并验证
在本机环境设置 GUANGSUAN_API_KEY，进入工作区启动 OpenCode。先调用 remote_status 与 remote_diagnostics 核对目标，再操作文件和命令。
给 AI 的调用提示词
复制到本机 OpenCode，让 AI 帮你安装并连接。提示词不含任何 Key 或 SSH 密钥。
正在加载…
工具与文件
bridge.py：本地 stdio MCP 桥，固定 SSH 目标，保持连接。runner.py：远端文件读取、搜索、SHA256 校验修改及持久任务执行。remote-only.mjs：仅在该工作区启用，限制项目会话使用远程工具。test_remote.py：文件边界、任务恢复、会话隔离等回归测试。
桥要求 MCP 调用携带 OpenCode 会话元数据 ai.opencode/sessionID；其他客户端需要适配该字段，不能仅配置模型 Base URL 就获得远程工具。模型网关与 SSH 工具桥是两条独立连接。
命令权限等于远端 OS 账号权限，项目目录不是 shell 沙箱。任务用 job_start 提交一次，再用 job_status 查看；断线或结果未知时先查任务，不自动重放。