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。
独立的远程执行工具：通过 MCP + SSH 连接远端项目，提供文件浏览、搜索、修改、命令执行与任务状态查询。桥不绑定 LLM、模型供应商或 API 服务，使用桥无需配置模型 API Key。
版本 0.2.0 · 工具独立版安装包 · 当前客户端适配：OpenCode V2 · 本机 Linux / WSL，远端 Linux · Python 3.10+ 与 OpenSSH · 文件清单与 SHA256
2. 安装远程工具
解压后阅读 README.md，运行 python3 setup.py --help。安装器在新的本地工作区配置 MCP、SSH 目标与远程工具插件，保留用户原有模型选择。
3. 连接并验证工具
进入工作区启动 OpenCode，检查远程 MCP 连接。先调用 remote_status 与 remote_diagnostics 核对目标，再操作文件和命令。由 AI 调用时，模型沿用客户端已有配置。
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。
当前桥要求 MCP 调用携带会话元数据 ai.opencode/sessionID；其他 MCP 客户端需适配该字段。客户端适配与模型选择相互独立。
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。