🛠️ Whois 是什么？
Whois 是一个基于 MCP 协议的工具，用来通过多个 AI 模型查询人物信息。你给它一个人名，它就能从 OpenAI、Anthropic、Llama、Gemini 等模型中获取相关资料，统一返回给你。它的设计目标很明确：把多模型调用这件事做得足够简单，不需要你处理协议细节，也不需要搭建复杂服务，配置好就能用。
为什么需要它？
以前要对比不同 AI 对同一个人物的回答，你得一个个打开聊天界面，分别提问，再手动比对结果。不仅费时间，还容易遗漏细节。比如你想查“图灵做过哪些贡献”，每个模型可能给出不同侧重点的内容，但你得自己整合。如果还要换模型重试，流程就更重复。
Whois 解决的就是这个重复操作的问题。你只需要发一次请求，它自动把问题转发给所有配置好的模型，收集回答，统一整理回来。省去了来回切换的麻烦，也避免了因提问方式不同导致的结果偏差。
核心能力速览
多模型并行查询：
一次性向多个 AI 模型发送相同问题，获取不同视角的回答。适合需要交叉验证或补充信息的场景，比如确认某个历史事件的时间线或技术细节。
统一接口调用：
不用关心每个模型的 API 怎么调用，Whois 把这些都封装好了。你只需要提供 API 密钥，通过简单的环境变量配置，就能让所有模型协同工作。
轻量级部署：
没有复杂的依赖或配置文件。安装 Python 包，设置几个环境变量，运行一条命令就能启动服务。适合本地测试或集成到其他项目中作为信息查询模块。
结构化结果输出：
返回的数据按模型分类，保留原始回答的同时，便于程序进一步处理。你可以把它接入自己的应用，比如知识库生成、教学演示或内容审核工具。
适合谁？怎么用？
如果你是教育领域的开发者或教师，可以用它快速生成人物背景材料，用于课件准备或学生自学。不再需要手动搜索多个来源，直接拿到多个模型的综合视角。
如果你是刚接触 MCP 的工程师，Whois 是个不错的入门案例。代码结构清晰，不依赖特定框架，能帮你理解如何用 MCP 实现多模型协作，而不被复杂的架构干扰。
建议在需要横向对比模型输出、或构建基于人物信息的应用时尝试使用。如果你已经用过单模型查询工具，想进一步提升信息完整性和可靠性，这个工具能平滑接入现有流程，无需重构整个系统。
