Models MCP

按价格、上下文窗口和功能搜索、比较和检查 AI 模型。一个基于 models.dev 目录（models.dev/api.json）的 MCP 服务器，让你的代理始终拥有最新的模型数据，无需手动维护列表。

models.dev 本身不提供 MCP 服务器，只有 JSON API 和用于读取它的 TypeScript SDK。本项目填补了这一空白。

同一套工具代码支持两种运行方式：

• stdio（src/index.ts）：用于本地 MCP 客户端

• Cloudflare Worker（src/worker.ts）：作为 /mcp 上的远程 Streamable HTTP 端点

工具

安装

npm install
npm run build

通过 stdio 独立运行（用于测试）

npm start

它通过 stdio 使用 MCP 协议通信，所以你不会直接看到太多输出；请使用 MCP Inspector 来探查它：

npx @modelcontextprotocol/inspector node dist/index.js

托管在 Cloudflare Workers 上

Worker 入口（src/worker.ts）通过 /mcp 上的 Streamable HTTP 提供相同的工具，并具备：

• 目录缓存：使用 Workers Cache API（caches.default）进行缓存，TTL 为 1 小时，跨请求和隔离区共享。

• 按 IP 限流：通过 Workers 限流绑定实现，每个 IP 每分钟 60 个请求，按 Cloudflare 位置强制执行。超出限制的请求会收到 429 响应，并带有 Retry-After: 60。

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

# deploy
npm run deploy

部署后，你的端点是 https://models-mcp.<your-subdomain>.workers.dev/mcp。

将 MCP 客户端指向它：

Claude Code：

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

通用客户端配置（任何支持 Streamable HTTP 的客户端）：

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

对于仅支持 stdio 的客户端（Claude Desktop），使用 mcp-remote 进行桥接：

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

任何地方都不需要 API 密钥。所有数据都来自公开的 models.dev/api.json 端点。

测试

npm test

涵盖目录客户端（扁平化、TTL 缓存、强制刷新、失败时使用过期数据回退、id 解析）以及全部五个工具的端到端测试，通过内存传输上的真实 MCP 客户端会话进行。

关于数据的说明

• 目录缓存 1 小时：托管时使用 Workers Cache API，stdio 时使用进程内存。调用 refresh_catalog 强制更新。如果重新获取失败，将继续提供上次成功的目录。

• models.dev 没有为消费者发布带版本号的模式，因此 src/types.ts 中的类型有意保持宽松（索引签名保留任何未显式类型化的字段）。

• 模型 id 遵循 AI SDK 和 OpenCode 使用的 provider/model 约定，例如 anthropic/claude-sonnet-4-5。如果模型 id 在提供商之间无歧义，get_model 和 compare_models 也接受裸模型 id。

可能的扩展

• 一个 list_facets 工具（模态、分词器），类似于其他模型目录 MCP 所暴露的功能。

• 一个 test_model 工具，通过你配置的任何提供商密钥进行实时调用，用于延迟/成本合理性检查。

• 如果你希望 Worker 保持私有，可以在其前面加上 OAuth 或 Cloudflare Access。