quelllm-mcp

quelllm-mcp

Model Context Protocol ツールを通じて、quelllm.fr の190種類以上のオープンウェイト LLM カタログを公開する MCP サーバーです。Claude Code、Cursor、Continue、その他の MCP 対応クライアントから利用して、モデルの検索や比較、VRAM の推定、API とセルフホストのコスト計算ができます。

公開されるツール

ツール	説明
list_models(filter_origin?, filter_family?, max_params_b?)	フィルター（起源コード、ファミリー、最大パラメーター数（B））を指定してモデルを一覧表示します
get_model(model_id)	1つのモデルの詳細情報（パラメーター数、量子化ごとの VRAM、コンテキストウィンドウ、ファミリー、タグ、ライセンス、URL）を取得します
compare(model_a_id, model_b_id)	2つのモデルを並べて比較し、判定を示します
estimate_vram(model_id, quant)	指定した量子化での VRAM（GB）と、推奨 GPU／Mac のクラスを推定します
estimate_cost(input_tokens_per_month, output_tokens_per_month, ...)	API プロバイダーとセルフホスト用ハードウェアの全一覧、または特定の ID について、コストを EUR で計算します
search_models(query, limit?)	名前、ファミリー、タグ、作成者からあいまい検索します

インストール

ソースからインストールします（PyPI にはまだ公開されていません）：

pip install git+https://github.com/MGM-FALCON/quelllm-mcp.git

または、uv を使ってインストールせずに実行します：

uvx --from git+https://github.com/MGM-FALCON/quelllm-mcp.git quelllm-mcp

ローカル開発の場合：

git clone https://github.com/MGM-FALCON/quelllm-mcp.git
cd quelllm-mcp
pip install -e .

Claude Code での使用

~/.claude.json またはプロジェクトの .mcp.json に追加します。pip でインストールした場合：

{
  "mcpServers": {
    "quelllm": {
      "command": "quelllm-mcp"
    }
  }
}

または、uvx でインストールせずに実行します：

{
  "mcpServers": {
    "quelllm": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/MGM-FALCON/quelllm-mcp.git", "quelllm-mcp"]
    }
  }
}

Claude Desktop での使用

~/Library/Application Support/Claude/claude_desktop_config.json を編集します（macOS）：

{
  "mcpServers": {
    "quelllm": {
      "command": "quelllm-mcp"
    }
  }
}

Cursor / Continue / Cline での使用

ほとんどの MCP クライアントで同じ JSON 設定を使用できます：

{
  "command": "quelllm-mcp"
}

クエリの例（クライアントから実行）

> Quels LLM Mistral peuvent tourner sur RTX 5070 Ti 16GB ?
→ list_models(filter_family='Mistral', max_params_b=24)
→ estimate_vram('mistral-small-24b', 'q4')

> Compare Llama 3.3 70B vs Qwen 2.5 32B
→ compare('llama33-70b', 'qwen25-32b')

> J'utilise 10M tokens input + 2.5M output / mois. Combien je paye chez OpenAI vs DeepSeek ?
→ estimate_cost(10_000_000, 2_500_000)

データソース

すべてのデータは quelllm.fr/api/ から取得されます（CC BY 4.0、キー不要、CORS 対応）。レート制限を避けるため、ローカルに1時間キャッシュされます。

API 料金データ（GPT-5、Claude Opus 4.7、Gemini 2.5、DeepSeek、Mistral）とハードウェア価格（RTX 50-series、Mac M4）は 2026-05 時点でハードコードされています。半年ごとに確認してください。

言語別モデル選定ガイド

MCP サーバーは、同じカタログをあらゆる対応クライアントに公開します。関連ガイドでは、言語ごとのモデル選定、メモリーのトレードオフ、再現可能な評価タスクについて説明しています。これらは情報源に基づくガイドであり、新たなハードウェアベンチマークではありません。

言語	ガイド
フランス語	ローカルで使うフランス語 AI：Ministral モデルの選び方
英語	英語向けローカル AI：Gemma、Qwen、Ministral の選び方
ドイツ語	ドイツ語 AI をローカルで使う：Teuken と Apertus の比較
イタリア語	ローカルで使うイタリア語 AI：Minerva と Velvet
スペイン語	ローカルで使うスペイン語 AI：Salamandra と ALIA の選び方
ブラジルポルトガル語	パソコンで使うポルトガル語 AI：Tucano2 モデルの選び方
日本語	日本語のローカルLLM：RakutenAIとTinySwallowの選び方
簡体字中国語	国产大模型本地部署：Qwen与DeepSeek蒸馏模型怎么选

ライセンス

MIT — LICENSE を参照してください。

コントリビューション

ソース：https://github.com/MGM-FALCON/quelllm-mcp Issue と PR を歓迎します。特に以下をお待ちしています：

• API 料金の更新（半年ごと）
• ハードウェアの追加（新しい GPU、Mac Mx シリーズ）
• 新しいツール（例：find_alternatives_to(model_id)、recommend_gpu(budget_eur)）

テスト

pytest によるスモークテスト一式は tests/ にあります。6つのツールすべてと v1.1.0 の出力不変条件を対象とし、ネットワークにはアクセスしません（ローカルのフィクスチャとモックした httpx を使用）。また、mcp SDK をインポートできない場合はスタブを使用するため、Python 3.9 でも実行できます。

pip install -e ".[test]"
pytest

Author

Mohamed Meguedmi — LinkedIn · Hugging Face Founder of La Gazette IA and QuelLLM.fr.