Cross-LLM MCP Server
🤖 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.
¿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):
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 buildCaracterísticas
🤖 Herramientas Individuales de LLM
call-chatgpt– API de ChatGPT de OpenAIcall-claude– API de Claude de Anthropiccall-deepseek– API de DeepSeekcall-gemini– API de Gemini de Googlecall-grok– API de Grok de xAIcall-kimi– API de Kimi de Moonshot AIcall-perplexity– API de Perplexity AIcall-mistral– API de Mistral AIcall-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 promptcall-llm– Llama a un proveedor específico por su nombre
⚙️ Preferencias y Selección de Modelos
get-user-preferences– Obtén las preferencias actualesset-user-preferences– Establece el modelo predeterminado, preferencia de coste y preferencias basadas en etiquetasget-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 filtrosget-prompt-stats– Obtén estadísticas sobre los registros de promptsdelete-prompt-entries– Elimina entradas de registro según criteriosclear-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 buildClaude 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
Anthropic: https://console.anthropic.com/
DeepSeek: https://platform.deepseek.com/
Google Gemini: https://makersuite.google.com/app/apikey
xAI Grok: https://console.x.ai/
Moonshot AI: https://platform.moonshot.ai/
Perplexity: https://www.perplexity.ai/hub
Mistral: https://console.mistral.ai/
Hugging Face: Crea un token de grano fino con acceso a Inference (serverless / Inference Providers) en https://huggingface.co/settings/tokens. Consulta Chat Completion para ver los modelos compatibles.
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-20241022business:
claude-3-opus-20240229,gpt-4o,gemini-1.5-proreasoning:
deepseek-r1,o1-preview,claude-3.5-sonnet-20241022math:
deepseek-r1,o1-preview,o1-minicreative:
gpt-4o,claude-3-opus-20240229,gemini-1.5-progeneral:
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.jsonWindows:
%APPDATA%/cross-llm-mcp/preferences.json
Almacenamiento de Registro de Prompts:
Unix/macOS:
~/.cross-llm-mcp/prompts.jsonWindows:
%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 toolsdecode_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
Scored across 7 tools
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.
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.
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.
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
Related MCP Connectors
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
MCP server unifying ERPs, CRMs, APIs and knowledge base for Claude, ChatGPT and Gemini.
Chat, image, video, and audio models from many vendors behind one remote MCP server and one key.
Real-time chat hub for AI agents — Claude Code, Cursor, Cline, Codex over MCP or REST.
Related MCP Servers
- AlicenseNot gradedqualityAmaintenanceA 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 npm531Apache 2.0
- AlicenseNot gradedqualityDmaintenanceA Model Context Protocol server that provides unified access to 400+ AI models from 30+ providers through OpenRouter's API, enabling seamless integration with Claude Code.42Apache 2.0
- FlicenseNot gradedqualityDmaintenanceA 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.-
- FlicenseBqualityDmaintenanceA Model Context Protocol (MCP) server that can be deployed locally via stdio or remotely via SSE/HTTP endpoints, supporting multiple MCP clients including VS Code, Cursor, Windsurf, and Claude Desktop.1-