🤖 Cross-LLM MCP 服务器

从一个地方访问多个 LLM API。 调用 ChatGPT、Claude、DeepSeek、Gemini、Grok、Kimi、Perplexity、Mistral 和 Hugging Face 推理路由器，并具备智能模型选择、偏好设置和提示词日志记录功能。

这是一个 MCP (模型上下文协议) 服务器，为 Cursor 和 Claude Desktop 等 AI 编码环境提供对多个大语言模型 API 的统一访问。

信任评分

为什么使用 Cross-LLM MCP？

🌐 9 个 LLM 提供商 – ChatGPT、Claude、DeepSeek、Gemini、Grok、Kimi、Perplexity、Mistral、Hugging Face
🎯 智能模型选择 – 基于标签的偏好设置（编码、商业、推理、数学、创意、通用）
📊 提示词日志记录 – 通过历史记录、统计数据和分析跟踪所有提示词
💰 成本优化 – 根据偏好选择旗舰模型或更经济的模型
⚡ 轻松设置 – 在 Cursor 中一键安装或简单的手动设置
🔄 调用所有 LLM – 同时从所有提供商获取响应

Related MCP server: URL Fetch MCP

快速入门

准备好访问多个 LLM 了吗？几秒钟即可安装：

在 Cursor 中安装（推荐）：

🔗 在 Cursor 中安装

或者手动安装：

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

功能

🤖 单个 LLM 工具

call-chatgpt – OpenAI 的 ChatGPT API
call-claude – Anthropic 的 Claude API
call-deepseek – DeepSeek API
call-gemini – Google 的 Gemini API
call-grok – xAI 的 Grok API
call-kimi – Moonshot AI 的 Kimi API
call-perplexity – Perplexity AI API
call-mistral – Mistral AI API
call-huggingface – Hugging Face 推理路由器（兼容 OpenAI 的 Hub 模型）

🔄 组合工具

call-all-llms – 使用相同的提示词调用所有 LLM
call-llm – 按名称调用特定的提供商

⚙️ 偏好设置与模型选择

get-user-preferences – 获取当前偏好设置
set-user-preferences – 设置默认模型、成本偏好和基于标签的偏好
get-models-by-tag – 按标签查找模型（编码、商业、推理、数学、创意、通用）

📝 提示词日志记录

get-prompt-history – 查看带有过滤器的提示词历史记录
get-prompt-stats – 获取关于提示词日志的统计信息
delete-prompt-entries – 按条件删除日志条目
clear-prompt-history – 清除所有提示词日志

安装

Cursor（一键安装）

点击上面的安装链接或使用：

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

安装后，在 Cursor 设置中添加您的 API 密钥（请参阅下方的配置）。

手动安装

要求： Node.js 18+ 和 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

添加到 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"
      }
    }
  }
}

配置后重启 Claude Desktop。

配置

API 密钥

为您想要使用的 LLM 提供商设置环境变量：

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)

获取 API 密钥

OpenAI: https://platform.openai.com/api-keys
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: 在 https://huggingface.co/settings/tokens 创建一个具有 Inference (serverless / Inference Providers) 访问权限的细粒度令牌。请参阅 Chat Completion 获取支持的模型。

在本地运行 Hub 模型（在此 MCP 之外）

此服务器调用 Hugging Face 的托管推理路由器；它不会在 Node 内部下载权重或运行 PyTorch/GGUF。要在您的机器上运行模型，请使用 Ollama、llama.cpp、Text Generation Inference 或 Hugging Face Inference Endpoints 等工具，如果它们公开了 API，则将其他客户端指向这些服务。

使用示例

调用 ChatGPT

从 OpenAI 获取响应：

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

调用 Hugging Face

通过推理路由器从 Hub 模型获取响应（model 是 Hub 仓库 ID，例如 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
  }
}

调用所有 LLM

从所有提供商获取响应：

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

设置基于标签的偏好

自动为每种任务类型使用最佳模型：

{
  "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"
    }
  }
}

获取提示词历史记录

查看您的提示词日志：

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

模型标签

模型按其优势进行标记：

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

使用场景

多视角分析 – 从多个 LLM 获取不同视角
模型比较 – 比较响应以了解优势和劣势
成本优化 – 为每个任务选择最具成本效益的模型
质量保证 – 交叉参考来自多个模型的响应
智能选择 – 自动为编码、商业、推理等任务使用最佳模型
提示词分析 – 通过自动日志记录跟踪使用情况、成本和模式

技术细节

构建于： Node.js, TypeScript, MCP SDK
依赖： @modelcontextprotocol/sdk, superagent, zod
平台： macOS, Windows, Linux

偏好存储：

Unix/macOS: ~/.cross-llm-mcp/preferences.json
Windows: %APPDATA%/cross-llm-mcp/preferences.json

提示词日志存储：

Unix/macOS: ~/.cross-llm-mcp/prompts.json
Windows: %APPDATA%/cross-llm-mcp/prompts.json

贡献

⭐ 如果这个项目对您有帮助，请在 GitHub 上给它加星！ ⭐

欢迎贡献！请提交 issue 或 pull request。

许可证

MIT 许可证 – 详情请参阅 LICENSE.md。

支持

如果您觉得这个项目有用，请考虑支持它：

⚡ Lightning Network

lnbc1pjhhsqepp5mjgwnvg0z53shm22hfe9us289lnaqkwv8rn2s0rtekg5vvj56xnqdqqcqzzsxqyz5vqsp5gu6vh9hyp94c7t3tkpqrp2r059t4vrw7ps78a4n0a2u52678c7yq9qyyssq7zcferywka50wcy75skjfrdrk930cuyx24rg55cwfuzxs49rc9c53mpz6zug5y2544pt8y9jflnq0ltlha26ed846jh0y7n4gm8jd3qqaautqa

₿ Bitcoin: bc1ptzvr93pn959xq4et6sqzpfnkk2args22ewv5u2th4ps7hshfaqrshe0xtp

Ξ Ethereum/EVM: 0x42ea529282DDE0AA87B42d9E83316eb23FE62c3f

Cross-LLM MCP Server