llm-advisor

Name: llm-advisor
Author: Daichi-Kudo

ローカル

github.com/Daichi-KudoAI・エージェント219 週間前に更新

リポジトリ

llm-advisor について

llm-advisorは、AIアシスタントにLLMとVLMの価格、ベンチマーク、推奨情報を提供するMCPサーバーです。5つの公開データソースをまとめ、モデル選定や比較に使える簡潔なMarkdownを返します。

主な機能

01モデルデータを毎時更新
025つの情報源のベンチマーク
03モデル詳細とAPI例
04ランキングとモデル比較
05予算条件に応じた推奨

活用シーン

01ベンチマークでコーディングモデルを探す
02モデルの価格と機能を比較
03価格とコンテキスト上限でモデルを選ぶ
04モデルのベンチマーク順位を確認

MCP 対応

MCPクライアントにget_model_info、list_top_models、compare_models、recommend_modelの4つのツールを提供します。結果は簡潔なMarkdown形式です。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定

{
  "mcpServers": {
    "daichi-kudo-llm-advisor": {
      "command": "npx",
      "args": [
        "-y",
        "llm-advisor-mcp"
      ]
    }
  }
}

起動コマンドnpx -y llm-advisor-mcp

ローカルサーバーにはマシン上の実行環境（Node.js 18 以上など）が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ

npmllm-advisor-mcp0.4.5stdio

ツール

掲載時のツール一覧 · 2 週間前に更新

パラメーター	型	必須	説明
model	string	はい	モデル ID または名前の一部（例："anthropic/claude-sonnet-4.6"、"gpt-5.1"、"gemini"）
api_format	enum	いいえ	API 例の形式（デフォルト：openai_sdk）openai_sdk \| curl \| python_requests
include_api_example	boolean	いいえ	API の使用例コードを含める（デフォルト：true）

詳細

llm-advisor-mcp

English | 日本語

AI アシスタントに LLM／VLM の最新情報を提供します。 料金、ベンチマーク、推奨情報を、トレーニングサイクルごとではなく、1時間ごとに更新します。

LLM には知識のカットオフがあります。Claude に「今、最適なコーディングモデルは？」と尋ねても、最新データに基づいて答えることはできません。この MCP サーバーは、最新のモデル情報を AI アシスタントのコンテキストウィンドウに直接提供することで、この問題を解決します。

設定不要 — API キーも登録も不要です。コマンド1つでインストールできます。
トークン消費量を抑制 — 生の JSON（約3,000トークン）ではなく、コンパクトな Markdown テーブル（約300トークン）を使用します。コンテキストウィンドウは大切です。
5つのベンチマークソース — SWE-bench、LM Arena Elo、OpenCompass VLM、Aider Polyglot、OpenRouter の料金情報を統合し、1つの一覧で確認できます。

ユースケース

「今、最適なコーディングモデルは？」 — カテゴリ coding を指定して list_top_models
「Claude、GPT、Gemini を比較して」 — 並べて比較するテーブルを表示する compare_models
「コンテキスト長が1Mで、安価なモデルを探して」 — 予算の条件を指定して recommend_model
「モデル X のベンチマーク結果は？」 — パーセンタイル順位を含む get_model_info

クイックスタート

Claude Code

claude mcp add llm-advisor -- npx -y llm-advisor-mcp

Claude Code（Windows）

claude mcp add llm-advisor -- cmd /c npx -y llm-advisor-mcp

Claude Desktop／Cursor／Windsurf

MCP 設定ファイルに追加します：

{
  "mcpServers": {
    "llm-advisor": {
      "command": "npx",
      "args": ["-y", "llm-advisor-mcp"]
    }
  }
}

以上です。API キーも .env ファイルも必要ありません。

対応クライアント

クライアント	対応状況	インストール方法
Claude Code	対応	`claude mcp add`
Claude Desktop	対応	JSON 設定
Cursor	対応	JSON 設定
Windsurf	対応	JSON 設定
任意の MCP クライアント	対応	stdio トランスポート

ツール

`get_model_info`

特定モデルの詳細仕様を確認できます。料金、ベンチマーク、パーセンタイル順位、機能、およびそのまま使える API コード例を提供します。

パラメーター

名前	型	必須	デフォルト	説明
`model`	string	はい	—	モデル ID または名前の一部（例：`"claude-sonnet-4"`、`"gpt-5"`）
`include_api_example`	boolean	いいえ	`true`	そのまま使えるコードスニペットを含めます
`api_format`	enum	いいえ	`openai_sdk`	`openai_sdk`、`curl`、または `python_requests`

出力例

## anthropic/claude-sonnet-4

**Provider**: anthropic | **Modality**: text+image→text | **Released**: 2025-06-25

### Pricing
| Metric | Value |
|--------|-------|
| Input | $3.00 /1M tok |
| Output | $15.00 /1M tok |
| Cache Read | $0.30 /1M tok |
| Context | 200K |
| Max Output | 64K |

### Benchmarks
| Benchmark | Score |
|-----------|-------|
| SWE-bench Verified | 76.8% |
| Aider Polyglot | 72.1% |
| Arena Elo | 1467 |
| MMMU | 76.0% |

### Percentile Ranks
| Category | Percentile |
|----------|------------|
| Coding | P96 |
| General | P95 |
| Vision | P90 |

**Capabilities**: Tools, Reasoning, Vision

### API Example (openai_sdk)
```python
from openai import OpenAI
client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<OPENROUTER_API_KEY>",
)
response = client.chat.completions.create(
    model="anthropic/claude-sonnet-4",
    messages=[{"role": "user", "content": "Hello"}],
)


---

### `list_top_models`

Top-ranked models for a category. Includes release dates for freshness awareness.

**Parameters**

| Name | Type | Required | Default | Description |
|------|------|----------|---------|-------------|
| `category` | enum | Yes | — | `coding`, `math`, `vision`, `general`, `cost-effective`, `open-source`, `speed`, `context-window`, `reasoning` |
| `limit` | number | No | `10` | Number of results (1-20) |
| `min_context` | number | No | — | Minimum context window in tokens |
| `min_release_date` | string | No | — | `YYYY-MM-DD`. Excludes models released before this date |

**Example output**

トップ5：コーディング

#	モデル	主なスコア	入力 $/1M	出力 $/1M	コンテキスト	リリース日
1	openai/o3-pro	SWE 79.5%	$20.00	$80.00	200K	2025-06-10
2	anthropic/claude-sonnet-4	SWE 76.8%	$3.00	$15.00	200K	2025-06-25
3	google/gemini-2.5-pro	SWE 75.2%	$1.25	$10.00	1M	2025-03-25
4	openai/o4-mini	SWE 73.6%	$1.10	$4.40	200K	2025-04-16
5	anthropic/claude-opus-4	SWE 72.5%	$15.00	$75.00	200K	2025-05-22


---

### `compare_models`

Side-by-side comparison for 2-5 models. Best values are **bolded** automatically. Includes a `Released` row so you can spot outdated models at a glance.

**Parameters**

| Name | Type | Required | Default | Description |
|------|------|----------|---------|-------------|
| `models` | string[] | Yes | — | 2-5 model IDs or partial names |

**Example output**

モデル比較（3 モデル）

	anthropic/claude-sonnet-4	openai/gpt-4.1	google/gemini-2.5-pro
入力 $/100 万	$3.00	$2.00	$1.25
出力 $/100 万	$15.00	$8.00	$5.00
コンテキスト	200K	1M	1M
最大出力	64K	32K	65K
SWE-bench	76.8%	55.0%	75.2%
Aider Polyglot	72.1%	65.3%	71.8%
Arena Elo	1467	1492	1445
ビジョン	はい	はい	はい
ツール	はい	はい	はい
推論	はい	いいえ	はい
オープンソース	いいえ	いいえ	いいえ
リリース日	2025-06-25	2025-04-14	2025-03-25


---

### `recommend_model`

Personalized top-3 recommendations. Scores combine weighted benchmarks, pricing, capability bonuses, and a freshness bonus (+3 points for models released within 3 months, +1 within 6 months).

**Parameters**

| Name | Type | Required | Default | Description |
|------|------|----------|---------|-------------|
| `use_case` | enum | Yes | — | `coding`, `math`, `general`, `vision`, `creative`, `reasoning`, `cost-effective` |
| `max_input_price` | number | No | — | Max input price (USD/1M tokens) |
| `max_output_price` | number | No | — | Max output price (USD/1M tokens) |
| `min_context` | number | No | — | Minimum context window in tokens |
| `require_vision` | boolean | No | — | Require image input support |
| `require_tools` | boolean | No | — | Require tool/function calling support |
| `require_open_source` | boolean | No | — | Require open-source license |
| `min_release_date` | string | No | — | `YYYY-MM-DD`. Excludes older models |

**Example output**

おすすめ用途：コーディング

1. anthropic/claude-sonnet-4（スコア：78）

入力：$3.00/1M | 出力：$15.00/1M | コンテキスト：200K | リリース日：2025-06-25 ベンチマーク：SWE-bench：76.8%、Aider：72.1%、Arena：1467 強み：推論、ツール、ビジョン

2. google/gemini-2.5-flash（スコア：74）

入力：$0.15/1M | 出力：$0.60/1M | コンテキスト：1M | リリース日：2025-05-20 ベンチマーク：SWE-bench：62.9%、Arena：1445 強み：ツール、ビジョン、1M 以上のコンテキスト

3. openai/o4-mini（スコア：71）

入力：$1.10/1M | 出力：$4.40/1M | コンテキスト：200K | リリース日：2025-04-16 ベンチマーク：SWE-bench：73.6%、Arena：1430 強み：推論、ツール


---

## Data Sources

All data is fetched in real time from free, public APIs. No authentication required.

| Source | Data | Models | Cache TTL |
|--------|------|--------|-----------|
| [OpenRouter](https://openrouter.ai/api/v1/models) | Pricing, context lengths, modalities, release dates | 300+ | 1 hour |
| [SWE-bench](https://github.com/SWE-bench/swe-bench.github.io) | Coding benchmark (Verified leaderboard) | 30+ | 6 hours |
| [LM Arena](https://lmarena.ai) | Human preference Elo ratings | 314+ | 6 hours |
| [OpenCompass VLM](https://opencompass.org.cn) | Vision benchmarks: MMMU, MMBench, OCRBench, AI2D, MathVista | 284+ | 6 hours |
| [Aider Polyglot](https://aider.chat/docs/leaderboards/) | Multi-language coding pass rate | 63+ | 6 hours |

---

## Context Cost

MCP tool definitions and responses consume your LLM's context window. This server is designed to be lean:

| Component | Tokens |
|-----------|--------|
| All 4 tool definitions | ~1,000 |
| Typical tool response | ~250-400 |

For comparison, most MCP servers that return raw JSON consume 3,000-10,000 tokens per response. Every response from llm-advisor-mcp is pre-formatted Markdown, keeping context costs roughly 10x lower.

---

## Architecture

┌──────────────────────────────────────────────┐ │ MCP クライアント（Claude など） │ └──────────┬───────────────────────────────────┘ │ stdio（JSON-RPC） ┌──────────▼───────────────────────────────────┐ │ llm-advisor-mcp サーバー │ │ │ │ ┌─────────┐ ┌───────────┐ ┌────────────┐ │ │ │ ツール │ │ レジストリ │ │ キャッシュ │ │ │ │（4 ツール）│──│（統合） │──│（メモリ内） │ │ │ └─────────┘ └───────────┘ └────────────┘ │ │ │ │ │ ┌────────────┼────────────┐ │ │ ▼ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │正規化 │ │パーセンタイル│ │フェッチャー│ │ │ │（スラッグ対応表）│ │（5 カテゴリ）│ │（5 ソース）│ │ │ └──────────┘ └──────────┘ └──────────┘ │ └──────────────────────────────────────────────┘ │ │ │ OpenRouter SWE-bench Arena / VLM / Aider


- **TypeScript + ESM** — Single entry point, `tsup` build
- **In-memory cache** — TTL-based (1h pricing, 6h benchmarks), stale-while-revalidate
- **Cross-source normalization** — Maps inconsistent model names (e.g. `Claude 3.5 Sonnet` vs `anthropic/claude-3.5-sonnet`) to canonical IDs
- **Percentile computation** — Ranks across 5 categories (coding, math, general, vision, cost efficiency)
- **Freshness scoring** — Recommendation algorithm gives a bonus to recently released models (+3 for <=3mo, +1 for <=6mo)
- **Zero runtime deps** beyond `@modelcontextprotocol/sdk` and `zod`

---

## Roadmap

| Version | Status | Highlights |
|---------|--------|------------|
| v0.1 | Done | `get_model_info` + `list_top_models` via OpenRouter |
| v0.2 | Done | `compare_models` + `recommend_model` + SWE-bench + Arena Elo |
| v0.3 | Done | VLM benchmarks (MMMU, MMBench, OCRBench, AI2D, MathVista) + Aider Polyglot + percentile ranks + 43 tests |
| v0.4 | **Current** | Release date display, date-based filtering, freshness scoring in recommendations + 51 tests |
| v1.0 | Planned | Community contributions, weekly static data snapshots via GitHub Actions |

---

## Development

```bash
git clone https://github.com/Daichi-Kudo/llm-advisor-mcp.git
cd llm-advisor-mcp
npm install
npm run build       # Build with tsup
npm run dev         # Run with tsx (hot reload)
npm test            # Run 51 unit tests (vitest)
npm run test:watch  # Watch mode

プロジェクト構成

src/
  index.ts              # Server entry point
  types.ts              # Shared type definitions
  tools/
    model-info.ts       # get_model_info tool
    list-top.ts         # list_top_models tool
    compare.ts          # compare_models tool
    recommend.ts        # recommend_model tool
    formatters.ts       # Markdown output formatters
  data/
    registry.ts         # Unified model registry
    cache.ts            # In-memory TTL cache
    normalizer.ts       # Cross-source name normalization
    percentiles.ts      # Percentile rank computation
    fetchers/
      openrouter.ts     # OpenRouter API
      swe-bench.ts      # SWE-bench leaderboard
      arena.ts          # LM Arena Elo ratings
      vlm-leaderboard.ts # OpenCompass VLM benchmarks
      aider.ts          # Aider Polyglot scores
    static/
      api-examples.ts   # API code snippet templates

コントリビューション

リポジトリをフォークします
機能ブランチを作成します
新機能のテストを追加します
npm test を実行し、51 件すべてのテストが成功することを確認します
プルリクエストを送信します

ライセンス

MIT — Cognisant LLC が作成

Markdown 対応

ログインしてコメント

基本情報

作者: Daichi-Kudo
言語: node
バージョン: 0.4.5
トランスポート: stdio
掲載日: 2026年6月17日
最終更新: 19 週間前
公式 Registry: io.github.Daichi-Kudo/llm-advisor

問題を報告

MCP は初めてですか？

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

入門ガイドを読む

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。