Models MCP

Durchsuche, vergleiche und prüfe KI-Modelle nach Preis, Kontextfenster und Fähigkeiten. Ein MCP-Server über den models.dev-Katalog (models.dev/api.json), damit dein Agent immer aktuelle Modelldaten hat, ohne dass du eine Liste manuell pflegst.

models.dev selbst liefert keinen MCP-Server, nur eine JSON-API und ein TypeScript-SDK zum Lesen. Das hier schließt diese Lücke.

Läuft auf zwei Arten aus demselben Tool-Code:

• stdio (src/index.ts) für lokale MCP-Clients

• Cloudflare Worker (src/worker.ts) als Remote-Streamable-HTTP-Endpunkt unter /mcp

Tools

Installation

npm install
npm run build

Eigenständig über stdio ausführen (zum Testen)

npm start

Es spricht MCP über stdio, du wirst also nicht viel direkt sehen; nutze den MCP Inspector, um daran herumzutesten:

npx @modelcontextprotocol/inspector node dist/index.js

Auf Cloudflare Workers hosten

Der Worker-Einstiegspunkt (src/worker.ts) stellt dieselben Tools über Streamable HTTP unter /mcp bereit, mit:

• Katalog-Caching in der Workers Cache API (caches.default) mit einer 1-Stunden-TTL, geteilt über Anfragen und Isolate hinweg.

• Pro-IP-Ratenbegrenzung über ein Workers-Rate-Limiting-Binding: 60 Anfragen/Minute pro IP, durchgesetzt pro Cloudflare-Standort. Überzählige Anfragen erhalten 429 mit Retry-After: 60.

# local dev at http://localhost:8787/mcp
npm run dev:worker

# deploy
npm run deploy

Nach dem Deployment ist dein Endpunkt https://models-mcp.<your-subdomain>.workers.dev/mcp.

Richte MCP-Clients darauf aus:

Claude Code:

claude mcp add --transport http models-mcp https://models-mcp.<your-subdomain>.workers.dev/mcp

Generische Client-Konfiguration (alles, was Streamable HTTP spricht):

{
  "mcpServers": {
    "models-mcp": {
      "url": "https://models-mcp.<your-subdomain>.workers.dev/mcp"
    }
  }
}

Für reine stdio-Clients (Claude Desktop) überbrücke mit mcp-remote:

{
  "mcpServers": {
    "models-mcp": {
      "command": "npx",
      "args": ["mcp-remote", "https://models-mcp.<your-subdomain>.workers.dev/mcp"]
    }
  }
}

Keinerlei API-Schlüssel erforderlich. Alle Daten stammen vom öffentlichen models.dev/api.json-Endpunkt.

Tests

npm test

Abgedeckt werden der Katalog-Client (Flattening, TTL-Caching, erzwungenes Aktualisieren, Fallback auf veraltete Daten bei Fehlern, ID-Auflösung) und alle fünf Tools Ende-zu-Ende über eine echte MCP-Client-Sitzung über einen In-Memory-Transport.

Anmerkungen zu den Daten

• Der Katalog wird 1 Stunde lang gecacht: in der Workers Cache API, wenn gehostet, im Prozessspeicher über stdio. Rufe refresh_catalog auf, um ein Update zu erzwingen. Wenn ein erneuter Abruf fehlschlägt, wird weiterhin der letzte gute Katalog ausgeliefert.

• models.dev veröffentlicht kein versioniertes Schema für Konsumenten, daher sind die Typen in src/types.ts bewusst locker gehalten (Index-Signaturen erhalten alle Felder, die nicht explizit typisiert sind).

• Modell-IDs folgen der provider/model-Konvention, die von AI SDK und OpenCode verwendet wird, z. B. anthropic/claude-sonnet-4-5. get_model und compare_models akzeptieren auch eine nackte Modell-ID, wenn sie über Anbieter hinweg eindeutig ist.

Mögliche Erweiterungen

• Ein list_facets-Tool (Modalitäten, Tokenizer), ähnlich dem, was andere Modellkatalog-MCPs bereitstellen.

• Ein test_model-Tool, das einen Live-Aufruf über den von dir konfigurierten Anbieter-Schlüssel macht, für Latenz-/Kosten-Plausibilitätsprüfungen.

• OAuth oder Cloudflare Access vor dem Worker, falls du ihn privat halten möchtest.