[raymondginger2018-sudo]

设计说明

问题：多个模块各自重复实现 Ollama HTTP 调用（cerebellum_core、router_cascade、token_saver_mcp_server、mcp-servers/ollama-mcp），且底层混用 urllib/httpx，行为不一致。

解法：一个共享的、零第三方依赖的 Ollama 接入层——只做 HTTP 封装 + 数据提取，异常向上抛，由调用方保持各自的降级策略。

关键设计决策：

• 零第三方依赖：仅标准库 urllib（统一原 httpx 路径）
• 低层接入：不动配置、不动默认模型，只收"怎么调"
• 兼容双接口：/api/generate（补全式）与 /api/chat（聊天式）都支持；流式/非流式都支持
• 超时默认 120s，可调

边界情况：

• 网络/解析异常向上抛，调用方自行决定降级
• host 带/不带尾斜杠均可（_url() 统一处理）

测试建议：对 /api/tags、/api/generate、/api/chat 各构造一个 mock 响应验证解析

[raymondginger2018-sudo]

关键设计决策补充

• 零第三方依赖的动机： 这个模块收敛 4 个已有的重复实现，其中 3 个用 urllib、1 个用 httpx。用 urllib 统一后，新模块无需 pip install，CMake/打包时少一个依赖。
• 为什么不做配置收敛？ 各调用方（cerebellum、router_cascade、token_saver）有不同的 env 前缀和默认模型——统一配置会破坏现有行为。本层只处理"怎么调"，不碰"调谁"。
• 流式支持： 返回 (chunk_iter, final_dict) 二元组，调用方可以逐块处理或等完整响应。

[Zongwei9888]

Thank you for the submission, @raymondginger2018-sudo. Closing because the problem it solves is not in this repository: cerebellum_core, router_cascade, token_saver_mcp_server and mcp-servers/ollama-mcp do not exist here (no matches in the tree), and Ollama is served through the OpenAI-compatible local provider entry in core/providers/registry.py. A synchronous urllib client would also not fit the fully async provider layer. If an Ollama-specific feature is missing from the OpenAI-compatible path (for example a native endpoint the compatible API does not expose), an issue describing it would help us scope the right change.