关于 AiGanak LLM Cost
AiGanak LLM Cost 是面向团队的 MCP 服务,用于估算和比较 OpenAI、Anthropic 与 Google 模型的 API 费用。它结合有来源的价格数据、工作负载估算和语言 Token 测量。
主要功能
- 01查看当前模型价格
- 02估算工作负载费用
- 03比较模型成本并排序
- 04测量 22 种语言的 Token 开销
- 05估算文本 Token 数和费用
- 06查看带日期的价格变更记录
适用场景
- 01估算指定请求量的 API 费用
- 02比较同一工作负载的模型成本
- 03评估非英语文本的 Token 开销
MCP 相关
向 MCP 客户端提供价格查询、费用估算、模型比较和语言 Token 测量工具。无需 API 密钥或账户即可使用。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
7收录的工具列表 · 更新于 4 天前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| tier | enum | 否 | flagship | mid | small |
| provider | enum | 否 | OpenAI | Anthropic | Google |
详细介绍
AiGanak LLM 成本 MCP 服务
询问 AI 助手某项大模型工作负载的成本、哪个模型最便宜,以及同一段文本换成印地语、德语或日语后成本会增加多少;价格采用 OpenAI、Anthropic 和 Google 模型的最新且有来源依据的数据。
兼容任何 MCP 客户端:Claude Desktop、Claude Code、Cursor、VS Code、Windsurf 等。无需 API 密钥或账户。
工具
| 工具 | 可解答的问题 |
|---|---|
list_models | 当前模型的标准、缓存输入和批量价格(每百万个 token) |
get_model_price | 单个模型的完整定价:缓存写入、长上下文附加费用、已公布的价格变更和来源页面 |
estimate_cost | 计算单个模型上 N 次请求的成本,支持缓存、批量处理和未来生效的价格 |
compare_models | 按每个模型的价格计算相同工作负载,并按成本从低到高排序 |
token_tax | 按模型系列计算 22 种语言比英语多消耗多少 token |
estimate_text_cost | 计算任意已测量语言的文本所需 token 数和成本,并自动检测文字系统 |
price_changes | 有日期和来源的 LLM API 价格变更记录 |
示例问题:
- “在 Claude Sonnet 5.5 和 GPT-6.1 Sol 上,50,000 次请求(每次 6,000 个输入 token,其中 4,000 个为缓存 token,输出 500 个 token)需要多少费用?”
- “哪个模型最适合 Tamil 客服机器人,成本最低?”
- “Gemini 4 Argon 在 12 月价格变更后,每次请求的成本是多少?”
安装
需要 Node.js 18 或更高版本。
Claude Desktop:添加到 claude_desktop_config.json:
{
"mcpServers": {
"aiganak-llm-cost": { "command": "npx", "args": ["-y", "@aiganak/llm-cost-mcp"] }
}
}
Claude Code:
claude mcp add aiganak-llm-cost -- npx -y @aiganak/llm-cost-mcp
Cursor:将相同的 mcpServers 条目添加到 ~/.cursor/mcp.json。
从源码安装(无需 npm):
git clone https://github.com/AiGanak/llm-prices && cd llm-prices/mcp && npm install
# then use: "command": "node", "args": ["/path/to/llm-prices/mcp/index.js"]
数据
价格、价格变更记录和 token 税指数来自 AiGanak/llm-prices(CC BY 4.0)。服务会在启动时获取最新数据;如果无法联网,则使用软件包中附带的数据副本(设置 LLM_PRICES_OFFLINE=1 可始终使用附带的数据副本)。价格每周都会根据各提供商自己的定价页面进行核查;token 税则每月使用各提供商的官方 token 计数器重新测量。
价格会有变动。确定预算前,请在提供商的页面上确认价格。
关于
由 AiGanak 构建。我们帮助团队在不损失质量的前提下降低大模型支出:免费工具见 aiganak.com/tools、LLM Cost Report 和成本审计。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。