Skip to main content
Glama
Cross-LLM MCP Server

Cross-LLM MCP Server

by JamesANZ

🤖 Servidor MCP Cross-LLM

Accede a múltiples APIs de LLM desde un solo lugar. Llama a ChatGPT, Claude, DeepSeek, Gemini, Grok, Kimi, Perplexity, Mistral y al enrutador de inferencia de Hugging Face con selección inteligente de modelos, preferencias y registro de prompts.

Un servidor MCP (Protocolo de Contexto de Modelo) que proporciona acceso unificado a múltiples APIs de Modelos de Lenguaje Extensos para entornos de programación con IA como Cursor y Claude Desktop.

Puntuación de Confianza

¿Por qué usar Cross-LLM MCP?

  • 🌐 9 Proveedores de LLM – ChatGPT, Claude, DeepSeek, Gemini, Grok, Kimi, Perplexity, Mistral, Hugging Face

  • 🎯 Selección Inteligente de Modelos – Preferencias basadas en etiquetas (programación, negocios, razonamiento, matemáticas, creativo, general)

  • 📊 Registro de Prompts – Rastrea todos los prompts con historial, estadísticas y análisis

  • 💰 Optimización de Costes – Elige modelos insignia o más económicos según tus preferencias

  • ⚡ Configuración Fácil – Instalación con un clic en Cursor o configuración manual sencilla

  • 🔄 Llama a todos los LLMs – Obtén respuestas de todos los proveedores simultáneamente

Related MCP server: OpenRouter MCP Server

Inicio Rápido

¿Listo para acceder a múltiples LLMs? Instálalo en segundos:

Instalar en Cursor (Recomendado):

🔗 Instalar en Cursor

O instálalo manualmente:

npm install -g cross-llm-mcp
# Or from source:
git clone https://github.com/JamesANZ/cross-llm-mcp.git
cd cross-llm-mcp && npm install && npm run build

Características

🤖 Herramientas Individuales de LLM

  • call-chatgpt – API de ChatGPT de OpenAI

  • call-claude – API de Claude de Anthropic

  • call-deepseek – API de DeepSeek

  • call-gemini – API de Gemini de Google

  • call-grok – API de Grok de xAI

  • call-kimi – API de Kimi de Moonshot AI

  • call-perplexity – API de Perplexity AI

  • call-mistral – API de Mistral AI

  • call-huggingface – Enrutador de Inferencia de Hugging Face (modelos del Hub compatibles con OpenAI)

🔄 Herramientas Combinadas

  • call-all-llms – Llama a todos los LLMs con el mismo prompt

  • call-llm – Llama a un proveedor específico por su nombre

⚙️ Preferencias y Selección de Modelos

  • get-user-preferences – Obtén las preferencias actuales

  • set-user-preferences – Establece el modelo predeterminado, preferencia de coste y preferencias basadas en etiquetas

  • get-models-by-tag – Encuentra modelos por etiqueta (programación, negocios, razonamiento, matemáticas, creativo, general)

📝 Registro de Prompts

  • get-prompt-history – Visualiza el historial de prompts con filtros

  • get-prompt-stats – Obtén estadísticas sobre los registros de prompts

  • delete-prompt-entries – Elimina entradas de registro según criterios

  • clear-prompt-history – Borra todos los registros de prompts

Instalación

Cursor (Un Clic)

Haz clic en el enlace de instalación de arriba o usa:

cursor://anysphere.cursor-deeplink/mcp/install?name=cross-llm-mcp&config=eyJjcm9zcy1sbG0tbWNwIjp7ImNvbW1hbmQiOiJucHgiLCJhcmdzIjpbIi15IiwiY3Jvc3MtbGxtLW1jcCJdfX0=

Después de la instalación, añade tus claves de API en la configuración de Cursor (consulta la Configuración a continuación).

Instalación Manual

Requisitos: Node.js 18+ y npm

# Clone and build
git clone https://github.com/JamesANZ/cross-llm-mcp.git
cd cross-llm-mcp
npm install
npm run build

Claude Desktop

Añádelo a claude_desktop_config.json:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "cross-llm-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/cross-llm-mcp/build/index.js"],
      "env": {
        "OPENAI_API_KEY": "your_openai_api_key_here",
        "ANTHROPIC_API_KEY": "your_anthropic_api_key_here",
        "DEEPSEEK_API_KEY": "your_deepseek_api_key_here",
        "GEMINI_API_KEY": "your_gemini_api_key_here",
        "XAI_API_KEY": "your_grok_api_key_here",
        "KIMI_API_KEY": "your_kimi_api_key_here",
        "PERPLEXITY_API_KEY": "your_perplexity_api_key_here",
        "MISTRAL_API_KEY": "your_mistral_api_key_here",
        "HF_TOKEN": "your_huggingface_token_here"
      }
    }
  }
}

Reinicia Claude Desktop después de la configuración.

Configuración

Claves de API

Establece variables de entorno para los proveedores de LLM que desees utilizar:

export OPENAI_API_KEY="your_openai_api_key"
export ANTHROPIC_API_KEY="your_anthropic_api_key"
export DEEPSEEK_API_KEY="your_deepseek_api_key"
export GEMINI_API_KEY="your_gemini_api_key"
export XAI_API_KEY="your_grok_api_key"
export KIMI_API_KEY="your_kimi_api_key"
export PERPLEXITY_API_KEY="your_perplexity_api_key"
export MISTRAL_API_KEY="your_mistral_api_key"
export HF_TOKEN="your_huggingface_token"
# Or: HUGGINGFACE_API_KEY (same as HF_TOKEN)
# Optional: DEFAULT_HUGGINGFACE_MODEL, HUGGINGFACE_INFERENCE_BASE_URL (default https://router.huggingface.co/v1)

Obtención de Claves de API

Ejecución de modelos del Hub localmente (fuera de este MCP)

Este servidor llama al enrutador de inferencia alojado de Hugging Face; no descarga pesos ni ejecuta PyTorch/GGUF dentro de Node. Para ejecutar modelos en tu máquina, utiliza herramientas como Ollama, llama.cpp, Text Generation Inference o Inference Endpoints de Hugging Face, y luego apunta otros clientes a esos servicios si exponen una API.

Ejemplos de Uso

Llamar a ChatGPT

Obtén una respuesta de OpenAI:

{
  "tool": "call-chatgpt",
  "arguments": {
    "prompt": "Explain quantum computing in simple terms",
    "temperature": 0.7,
    "max_tokens": 500
  }
}

Llamar a Hugging Face

Obtén una respuesta de un modelo del Hub a través del enrutador de inferencia (model es el ID del repositorio del Hub, p. ej., Qwen/Qwen2.5-7B-Instruct):

{
  "tool": "call-huggingface",
  "arguments": {
    "prompt": "Reply with exactly: ok",
    "model": "Qwen/Qwen2.5-7B-Instruct",
    "temperature": 0.3,
    "max_tokens": 32
  }
}

Llamar a todos los LLMs

Obtén respuestas de todos los proveedores:

{
  "tool": "call-all-llms",
  "arguments": {
    "prompt": "Write a short poem about AI",
    "temperature": 0.8
  }
}

Establecer Preferencias Basadas en Etiquetas

Utiliza automáticamente el mejor modelo para cada tipo de tarea:

{
  "tool": "set-user-preferences",
  "arguments": {
    "defaultModel": "gpt-4o",
    "costPreference": "cheaper",
    "tagPreferences": {
      "coding": "deepseek-r1",
      "general": "gpt-4o",
      "business": "claude-3.5-sonnet-20241022",
      "reasoning": "deepseek-r1",
      "math": "deepseek-r1",
      "creative": "gpt-4o"
    }
  }
}

Obtener Historial de Prompts

Visualiza tus registros de prompts:

{
  "tool": "get-prompt-history",
  "arguments": {
    "provider": "chatgpt",
    "limit": 10
  }
}

Etiquetas de Modelos

Los modelos están etiquetados según sus fortalezas:

  • coding: deepseek-r1, deepseek-coder, gpt-4o, claude-3.5-sonnet-20241022

  • business: claude-3-opus-20240229, gpt-4o, gemini-1.5-pro

  • reasoning: deepseek-r1, o1-preview, claude-3.5-sonnet-20241022

  • math: deepseek-r1, o1-preview, o1-mini

  • creative: gpt-4o, claude-3-opus-20240229, gemini-1.5-pro

  • general: gpt-4o-mini, claude-3-haiku-20240307, gemini-1.5-flash

Casos de Uso

  • Análisis Multi-Perspectiva – Obtén diferentes perspectivas de múltiples LLMs

  • Comparación de Modelos – Compara respuestas para entender fortalezas y debilidades

  • Optimización de Costes – Elige el modelo más rentable para cada tarea

  • Aseguramiento de Calidad – Referencia cruzada de respuestas de múltiples modelos

  • Selección Inteligente – Utiliza automáticamente el mejor modelo para programación, negocios, razonamiento, etc.

  • Análisis de Prompts – Rastrea el uso, costes y patrones con registro automático

Detalles Técnicos

Construido con: Node.js, TypeScript, MCP SDK Dependencias: @modelcontextprotocol/sdk, superagent, zod Plataformas: macOS, Windows, Linux

Almacenamiento de Preferencias:

  • Unix/macOS: ~/.cross-llm-mcp/preferences.json

  • Windows: %APPDATA%/cross-llm-mcp/preferences.json

Almacenamiento de Registro de Prompts:

  • Unix/macOS: ~/.cross-llm-mcp/prompts.json

  • Windows: %APPDATA%/cross-llm-mcp/prompts.json

Contribución

⭐ Si este proyecto te ayuda, ¡por favor dale una estrella en GitHub! ⭐

¡Las contribuciones son bienvenidas! Por favor, abre un issue o envía un pull request.

Licencia

Licencia MIT – consulta LICENSE.md para más detalles.

Soporte

Si encuentras útil este proyecto, considera apoyarlo:

⚡ Lightning Network

lnbc1pjhhsqepp5mjgwnvg0z53shm22hfe9us289lnaqkwv8rn2s0rtekg5vvj56xnqdqqcqzzsxqyz5vqsp5gu6vh9hyp94c7t3tkpqrp2r059t4vrw7ps78a4n0a2u52678c7yq9qyyssq7zcferywka50wcy75skjfrdrk930cuyx24rg55cwfuzxs49rc9c53mpz6zug5y2544pt8y9jflnq0ltlha26ed846jh0y7n4gm8jd3qqaautqa

₿ Bitcoin: bc1ptzvr93pn959xq4et6sqzpfnkk2args22ewv5u2th4ps7hshfaqrshe0xtp

Ξ Ethereum/EVM: 0x42ea529282DDE0AA87B42d9E83316eb23FE62c3f

Available Tools

7 tools
decode_invoiceC

Decode a Lightning invoice

Inputs: invoice (required).

decode_txC

Decode a Bitcoin transaction

Inputs: rawHex (required).

generate_keyB

Generate a new Bitcoin key pair and address

Inputs: no named parameters.

get_latest_blockC

Get the latest block

Inputs: no named parameters.

get_transactionC

Get transaction details

Inputs: txid (required).

pay_invoiceC

Pay a Lightning invoice

Inputs: invoice (required).

validate_addressC

Validate a Bitcoin address

Inputs: address (required).

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.5/5.0

    Scored across 7 tools

    Disambiguation5/5

    Each tool has a clearly distinct purpose targeting specific resources and actions in the Bitcoin/Lightning domain. For example, decode_invoice and pay_invoice handle Lightning payments, while decode_tx and get_transaction handle Bitcoin transactions, with no overlapping functionality that would cause confusion.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun pattern using snake_case, such as decode_invoice, generate_key, and validate_address. This uniformity makes the tool set predictable and easy to understand for agents.

    Tool Count5/5

    With 7 tools, the server is well-scoped for its purpose of Bitcoin and Lightning operations. Each tool serves a specific, necessary function without redundancy, making the count appropriate for the domain's core needs.

    Completeness4/5

    The tool set covers key operations like decoding, generating, validating, and paying, but there are minor gaps such as creating invoices or managing wallet balances. However, agents can still perform essential workflows with the provided tools.

    Maintenance

    ActivityMaintained
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      A
      maintenance
      A unified Model Context Protocol server that aggregates multiple MCP servers into one, allowing AI assistants like Claude Desktop, Cursor, and Cherry Studio to connect to a single server instead of managing multiple instances.
      923 npm
      531
      Apache 2.0
    • F
      license
      Not graded
      quality
      D
      maintenance
      A Model Context Protocol server that bridges MCP clients with local LLM services, enabling seamless integration with MCP-compatible applications through standard tools like chat completion, model listing, and health checks.
      -