OpenRouter MCP 服务器

![MCP](https://modelcontextprotocol.io) ](https://nodejs.org) ![License: MIT](https://opensource.org/licenses/MIT) ![Tests](./tests)

一个模型上下文协议（MCP）服务器，提供对OpenRouter.ai模型目录的智能访问。通过高级搜索功能和实时定价数据，查询、筛选、比较和发现AI模型。

特点/功能

🔍（放大镜图标，通常表示搜索或查看细节） 高级搜索与筛选

按提供商、价格、上下文长度和模态进行筛选
按名称或描述搜索模型
按多个条件排序（价格、上下文、名称、日期）

💰（钱） 成本优化

寻找符合您要求的最便宜型号
比较不同供应商的价格
每百万代币的价格细分

📊 表格/数据图表 模型对比

并排模型对比
详细规格和功能
架构和参数信息

🚀 表情符号“🚀”在中文中通常被翻译为“火箭”或保持为“🚀”本身，因为它是一个通用的表情符号，直接表示火箭或快速上升、进步等意象。在没有特定上下文的情况下，可以简单地将其描述为“火箭”表情符号。 实时数据

来自OpenRouter API的实时数据
自动刷新缓存（TTL为5分钟）
如果API不可用，则回退到缓存数据

📝 表示“记事本”或“笔记”。 即用代码示例

每个模型的curl、Python和JavaScript示例
OpenRouter API集成代码片段
最佳实践和配置

安装

先决条件

Node.js >= 18.0.0
Claude Desktop 或任何 MCP 兼容客户端

快速设置

# Clone the repository
git clone https://github.com/YOUR_USERNAME/mcp-openrouter.git
cd mcp-openrouter

# Install dependencies
npm install

# Run tests to verify installation
npm test

添加到Claude代码中

添加此服务器的最简单方法是使用 claude mcp add 命令：

# Navigate to the project directory
cd /path/to/mcp-openrouter

# Add the MCP server (use absolute path)
claude mcp add openrouter -- node $(pwd)/src/index.js

就是这个！ 该服务器现已在Claude Code中可用。

范围选项

您可以配置服务器的可用位置：

# Add for current project only (default)
claude mcp add openrouter -- node $(pwd)/src/index.js

# Add for all your projects (user scope)
claude mcp add --scope user openrouter -- node $(pwd)/src/index.js

# Add to share with your team (project scope - creates .mcp.json)
claude mcp add --scope project openrouter -- node $(pwd)/src/index.js

验证安装

检查您的服务器是否已安装：

# List all MCP servers
claude mcp list

# Get details for this server
claude mcp get openrouter

移除服务器

如有需要，您可以移除服务器：

claude mcp remove openrouter

添加到Claude桌面（备选方案）

如果您更倾向于使用Claude Desktop，您可以手动编辑配置文件：

macOS（发音为“Mac OS”，全称为“Macintosh Operating System”，即苹果电脑操作系统）

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "openrouter": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-openrouter/src/index.js"]
    }
  }
}

Linux

编辑 ~/.config/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "openrouter": {
      "command": "node",
      "args": ["/absolute/path/to/mcp-openrouter/src/index.js"]
    }
  }
}

Windows

编辑 %APPDATA%\Claude\claude_desktop_config.json：

{
  "mcpServers": {
    "openrouter": {
      "command": "node",
      "args": ["C:\\absolute\\path\\to\\mcp-openrouter\\src\\index.js"]
    }
  }
}

重启Claude桌面版 更新配置后。

可用工具

1. `list_models`

列出所有可用模型，并可选择过滤和排序。

参数：

provider （字符串）：按提供者过滤（例如，“anthropic”、“openai”、“google”）
category (字符串)：按类别筛选
max_price_per_1m_tokens (数字)：每100万输入令牌的最大价格（美元）
min_context_length (数字)：最小上下文窗口大小
modality (字符串)：按输入模态过滤（“文本”、“图像”、“音频”、“视频”）
sort_by (字符串)：按“价格”、“上下文长度”、“名称”或“创建时间”排序
sort_order (字符串): "升序" 或 "降序" (默认: "升序")

示例回复：

{
  "count": 12,
  "models": [
    {
      "id": "anthropic/claude-3-haiku",
      "name": "Anthropic: Claude 3 Haiku",
      "provider": "anthropic",
      "description": "Fast and affordable Claude model",
      "context_length": 200000,
      "pricing_per_1m_tokens": {
        "input": "0.25",
        "output": "1.25"
      },
      "modalities": {
        "input": ["text", "image"],
        "output": ["text"]
      },
      "created": "2024-03-01T00:00:00.000Z"
    }
  ]
}

2. `get_model`

获取特定型号的详细信息。

参数：

model_id (字符串，必填)：模型ID（例如，“anthropic/claude-3-opus”）

返回值：

完整模型规格
定价明细（按每个代币和每100万个代币计算）
架构细节及支持的模式
支持的参数和默认值
在curl、Python和JavaScript中的使用示例

3. `list_providers`

列出所有模型提供商及其统计数据。

返回值：

{
  "count": 53,
  "providers": [
    {
      "name": "openai",
      "model_count": 43,
      "models": ["openai/gpt-4-turbo", "openai/gpt-4", ...]
    }
  ]
}

4. `compare_models`

并排比较多个模型。

参数：

model_ids （数组，必需）：要比较的模型ID数组

示例：

{
  "model_ids": [
    "anthropic/claude-3-opus",
    "openai/gpt-4-turbo",
    "google/gemini-pro-1.5"
  ]
}

5. `search_models`

按名称或描述搜索模型。

参数：

query (字符串，必填)：搜索查询
search_in （字符串）："name"（名称）、"description"（描述）或 "both"（两者）（默认值："both"）

6. `get_cheapest_models`

找到最符合您标准且最具成本效益的型号。

参数：

min_context_length （数字）：所需的最小上下文窗口大小
modality （字符串）：必需的输入模态
limit (数字)：最大结果数量（默认：10）

7. `refresh_cache`

强制刷新模型数据缓存。

资源

`openrouter://models/all`

包含所有可用模型的完整JSON列表，附带元数据。

`openrouter://providers/all`

包含所有提供者及其模型数量和模型ID的JSON列表。

用例

1. 生产成本优化

场景： 你需要在保持质量的同时降低API成本。

"Find the 5 cheapest models with at least 100,000 context length that support vision"

Use: get_cheapest_models
{
  "min_context_length": 100000,
  "modality": "image",
  "limit": 5
}

结果： 发现像Claude 3 Haiku或Gemini Flash这样性价比高的替代方案，可以帮助您节省60-80%的API成本。

2. 新项目模型选择

场景： 开始一个新项目，需要评估各种选项。

工作流程：

1. "List all Anthropic models sorted by context length"
   → Understand available options

2. "Compare claude-3-opus, claude-3-sonnet, and claude-3-haiku"
   → See pricing, capabilities, and trade-offs

3. "Get detailed information for anthropic/claude-3-sonnet"
   → Review specifications and get integration code

结果： 根据您的具体需求（预算、情境需求、能力）做出明智的决策。

3. 多模态应用开发

场景： 开发一款需要视觉理解和文本理解能力的应用程序。

"Search for models that support vision"

Use: search_models
{
  "query": "vision",
  "search_in": "both"
}

Then filter: "Show only models with 128K+ context and under $5 per 1M tokens"

Use: list_models
{
  "modality": "image",
  "min_context_length": 128000,
  "max_price_per_1m_tokens": 5.0,
  "sort_by": "price"
}

结果： 根据您的预算和需求，选择适合的模型，如GPT-4 Vision、Claude 3或Gemini。

4. 供应商评估

场景： 评估哪家供应商提供的选择最适合您的需求。

"List all providers and their model counts"

Use: list_providers

Then drill down: "Show all Google models with their pricing"

Use: list_models
{
  "provider": "google",
  "sort_by": "price"
}

结果： 比较供应商的服务内容、定价策略以及模型多样性。

5. 迁移规划

场景： 因弃用或成本原因，从一种模型迁移到另一种模型。

1. "Get details for my current model: openai/gpt-4"

2. "Find alternatives with similar context length and capabilities"
   Use: list_models with similar specifications

3. "Compare my shortlist of alternatives"
   Use: compare_models with selected model IDs

结果： 在充分了解所需API变更的情况下，实现平滑迁移。

6. 预算受限下的发展

场景： 在有限预算内构建原型。

"Find free or cheapest models with at least 32K context"

Use: get_cheapest_models
{
  "min_context_length": 32000,
  "limit": 10
}

结果： 发现免费模型或超实惠的选择，用于开发和测试。

7. 专项任务选择

场景： 需要一个针对编码任务优化的模型。

"Search for models optimized for coding"

Use: search_models
{
  "query": "code",
  "search_in": "description"
}

Refine: "Show only models under $2 per 1M tokens"

Use: list_models with price filter

结果： 寻找像Code Llama、DeepSeek Coder或经过编码优化的变体等专用模型。

8. 批处理成本分析

场景： 计划处理大量数据。

1. "Compare pricing for high-volume processing across providers"
   → Get pricing data for multiple models

2. Calculate: "If processing 1 billion tokens per month..."
   → Model A: $15/month
   → Model B: $50/month
   → Model C: $150/month

结果： 根据您的需求和预算选择合适的型号。

示例场景

场景1：构建客户支持聊天机器人

要求：

上下文：5万个标记（包括对话历史+知识库）
预算：每100万代币低于3美元
响应质量：高
速度：重要但非关键

查询：

"Find models with 50K+ context, under $3 per 1M input tokens, sorted by price"

list_models({
  min_context_length: 50000,
  max_price_per_1m_tokens: 3.0,
  sort_by: "price",
  sort_order: "asc"
})

决定： 在比较了各种选项后，选择Claude 3 Haiku（0.25美元/100万次），它以极低的成本提供卓越的品质。

场景2：借助视觉进行文档分析

要求：

必须支持文本和图像两种输入方式
整个文档的大型上下文（10万+）
准确性至关重要

查询：

"Find vision-capable models with 100K+ context"

list_models({
  modality: "image",
  min_context_length: 100000,
  sort_by: "context_length",
  sort_order: "desc"
})

比较顶级选项：

compare_models({
  model_ids: [
    "anthropic/claude-3-opus",
    "google/gemini-pro-1.5",
    "openai/gpt-4-turbo"
  ]
})

决定： 配备100万上下文长度的Gemini Pro 1.5，用于复杂文档分析。

场景3：预算有限的初创公司最小可行性产品（MVP）

要求：

开发过程中的成本最低
需要测试各种使用场景
稍后会扩展/扩大规模

策略：

1. "Find free models"
   get_cheapest_models({ limit: 10 })

2. Test with free tier models:
   - Development: Free models
   - Staging: Low-cost models ($0.10-$1.00/1M)
   - Production: Premium models when funded

结果： 在不耗尽资本的情况下构建并测试最小可行性产品（MVP）。

场景4：比较模型能力的研究项目

要求：

需要在多个模型上测试相同的提示
文档模型规范
科学地比较输出结果

工作流程：

1. "List all models from major providers"
   list_models() → Get comprehensive catalog

2. "Get detailed specs for comparison set"
   get_model() for each model in study

3. Document:
   - Architecture differences
   - Context window impacts
   - Pricing vs performance correlation

结果： 为出版准备的全面研究数据。

数据结构

每个模型包括：

{
  id: string;                    // Unique identifier (e.g., "anthropic/claude-3-opus")
  name: string;                  // Human-readable name
  provider: string;              // Provider name
  description: string;           // Model description
  created: string;               // ISO 8601 creation date
  context_length: number;        // Maximum context window
  pricing: {
    prompt_per_token: string;           // Per-token input cost
    completion_per_token: string;       // Per-token output cost
    image_per_token: string;            // Per-image cost (if applicable)
    request: string;                    // Per-request cost (if applicable)
    per_1m_tokens: {
      input: string;             // Formatted cost per 1M input tokens
      output: string;            // Formatted cost per 1M output tokens
    }
  };
  architecture: {
    input_modalities: string[];  // Supported inputs (text, image, audio, video)
    output_modalities: string[]; // Supported outputs
    tokenizer: string;           // Tokenizer type
    instruct_type: string;       // Instruction format
  };
  top_provider: {
    is_moderated: boolean;       // Content moderation enabled
    context_length: number;      // Provider-specific context limit
    max_completion_tokens: number; // Maximum output tokens
  };
  supported_parameters: string[];  // Supported API parameters
  default_parameters: object;      // Default parameter values
  usage_example: {
    curl: string;                // curl example
    python: string;              // Python example
    javascript: string;          // JavaScript example
  }
}

缓存策略

缓存持续时间： 5分钟
自动刷新： 是的
备用方案： 如果API不可用，则使用缓存数据
手动刷新： 可通过以下方式获取 refresh_cache 工具

这确保了：

最新数据，确保准确定价与供货情况
减少API调用以提高性能
API停机期间的弹性

发展

# Run in development mode with auto-reload
npm run dev

# Run unit tests
npm test

# Run integration tests
node tests/integration.test.js

测试

该项目包括全面的测试覆盖范围：

单元测试 (`npm test`)

提供者提取逻辑
定价计算
筛选和排序
搜索功能
缓存行为

集成测试 (`node tests/integration.test.js`)

完整的MCP协议通信
实时API数据获取
所有工具端点
资源访问

所有测试均以100%的成功率通过。

API 参考文档

服务器使用OpenRouter API：

终点/端点： https://openrouter.ai/api/v1/models
文档： https://openrouter.ai/docs/api-reference/list-available-models 的中文翻译是：“列出可用模型的API参考文档”
速率限制： 遵守OpenRouter的速率限制
认证： 模型列表中无需此项

做出贡献

欢迎投稿！请：

为仓库创建分支（或“克隆仓库”）
创建一个特性分支（git checkout -b feature/amazing-feature)
提交您的更改（git commit -m 'Add amazing feature')
推送到分支（git push origin feature/amazing-feature）
提交一个拉取请求

路线图

\[ \] 添加模型性能基准
\[ \] 包括模型可用性状态
\[ \] 添加历史定价数据
\[ \] 支持自定义过滤表达式
\[ \] 模型推荐引擎
\[ \] 成本估算计算器
\[ \] 支持WebSocket进行实时更新
\[ \] 模型弃用追踪

故障排除

服务器未在Claude桌面端显示

验证配置文件路径是否正确
确保绝对路径为 index.js 是正确的
重启Claude桌面版
检查Claude Desktop的日志以查找错误

缓存未刷新

使用 refresh_cache 强制立即刷新的工具：

refresh_cache()

搜索结果中未显示的模型

检查你的筛选条件是否过于严格
检查搜索查询的拼写
尝试在“名称”和“描述”中都进行搜索

许可证

MIT 许可证 - 请参阅许可证文件中详述。

致谢

建立在……之上模型上下文协议
由……提供的数据 OpenRouter.ai（可译为“开放路由器人工智能”或根据上下文简化为“开放路由AI”，具体翻译可能需根据实际应用场景调整）
受智能模型发现需求的启发

支持

问题：
讨论：
MCP 文档： https://modelcontextprotocol.io（中文可表述为：“模型上下文协议官方网站”或根据具体语境简化为“模型上下文协议网站”）

______________________________________________________________________

专为AI开发者社区倾心打造

MCP Openrouter

快速接入

详细介绍

OpenRouter MCP 服务器

特点/功能

安装

先决条件

快速设置

添加到Claude代码中

范围选项

验证安装

移除服务器

添加到Claude桌面（备选方案）

macOS（发音为“Mac OS”，全称为“Macintosh Operating System”，即苹果电脑操作系统）

Linux

Windows

可用工具

1. list_models

2. get_model

3. list_providers

4. compare_models

5. search_models

6. get_cheapest_models

7. refresh_cache

资源

openrouter://models/all

openrouter://providers/all

用例

1. 生产成本优化

2. 新项目模型选择

3. 多模态应用开发

4. 供应商评估

5. 迁移规划

6. 预算受限下的发展

7. 专项任务选择

8. 批处理成本分析

示例场景

场景1：构建客户支持聊天机器人

场景2：借助视觉进行文档分析

场景3：预算有限的初创公司最小可行性产品（MVP）

场景4：比较模型能力的研究项目

数据结构

缓存策略

发展

测试

单元测试 (npm test)

集成测试 (node tests/integration.test.js)

API 参考文档

做出贡献

路线图

故障排除

服务器未在Claude桌面端显示

缓存未刷新

搜索结果中未显示的模型

许可证

致谢

支持

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

1. `list_models`

2. `get_model`

3. `list_providers`

4. `compare_models`

5. `search_models`

6. `get_cheapest_models`

7. `refresh_cache`

`openrouter://models/all`

`openrouter://providers/all`

单元测试 (`npm test`)

集成测试 (`node tests/integration.test.js`)