PromptSpend

@promptspend/mcp

面向编码 Agent 的大模型定价——每个价格都附有来源，以及最后确认日期。

已经有 MCP 服务可以告诉你某个模型的价格。这个服务会告诉你这个数字的出处、上次核实的时间，以及两个来源意见不一致的数字。它还会根据描述的工作负载计算成本，而不只是报出费率，因为从“每百万个 token 3 美元”算到“每月 4,955 美元”的过程中，几乎所有估算都会出错。

claude mcp add promptspend -- npx -y @promptspend/mcp

无需 API 密钥。无需账户。MIT。

---

为什么还要再做一个定价服务

每个价格都有据可查。

// Real output, not an illustration: `get_price` for gpt-5 on 2026-08-03.
{
  "model": "gpt-5",
  "input_per_million_usd": 1.25,
  "output_per_million_usd": 10,
  "provenance": {
    "source": "vendor",
    "source_description": "Hand-verified against the provider's own published pricing page.",
    "last_verified": "2026-08-03",
    "disputed": false,
    "upstream_stale": false,
    "confidence": "Confirmed against the provider's own pricing page on 2026-08-03.",
    "verified_url": "https://developers.openai.com/api/docs/pricing",
  },
}

随着重新读取数据行，last_verified 会更新，因此这里的日期会过时，但结构不会改变。值得检查的是，这个信息块是否存在——没有它的价格就无法审计。

这对 Agent 比对人更重要。阅读网页的人能看到数字周围的界面，并自行判断该相信多少。模型拿到一个孤零零的数字时，什么依据也没有，只会按照措辞暗示的置信度重复它。给出日期和来源后，它就可以说 “截至 8 月 1 日，根据 OpenAI 的定价页面”，而不是把一个数字说得仿佛永远不会改变。

它也会说明自己不知道。 如果两个来源意见不一致，且没有人进行裁定，响应就会标记为 disputed: true 并列出两个数字，而不是悄悄选一个：

DISPUTED — two sources disagree on this price and no human has adjudicated it.
The figure shown is the primary feed's number, last confirmed 2026-08-02.
Treat it as indicative and say so.

单纯查询价格无法做到的事

estimate_cost 使用 promptspend.com 自己的成本引擎——直接导入，而不是重新实现，因此本服务报告的数字与网站显示的数字不会出现偏差。我们用测试对此进行断言。

它会考虑手工估算容易遗漏的因素：

• 对话历史会累积成本。 第 N 轮会将第 1…N−1 轮重新作为输入发送，因此成本会随轮数的平方增长。
• 缓存_写入_比输入更贵——在 OpenAI 和 Anthropic 上都是 1.25 倍。只计算更便宜的读取会显示出账单上并不存在的节省。
• 长上下文阶梯按每次请求计算，而不是按整个对话计算。
• 推理 token 也需要付费，即使你看不到它们。
• 输出单独计价，通常是输入的 3–5 倍。

“如果每天有 4,000 次对话，使用 GPT-5 与 DeepSeek V3.2 分别需要多少费用？”

上下文占用

只要 MCP 服务保持连接，MCP 工具定义就会在每一轮加载到上下文中。臃肿的服务可能会给每条消息增加数千个 token，因此大家都建议对只读数据优先使用 CLI。

一个定价服务如果悄悄给每一轮都增加负担，只为告诉你 token 的价格，那确实是个容易被嘲笑、也活该被嘲笑的笑话。因此：

本服务每轮增加约 700 个 token。 三个工具，描述简短，预算为 900 个 token，并由 CI 中的 npm run check:footprint 检查。

如果这个数字不再准确，构建就会失败——README 中的数字会与实际清单进行断言，而不是只手动填写一次就置之不理。

工具

工具	它能回答什么
get_price	这个模型的价格是多少？我该在多大程度上相信这个价格？
estimate_cost	按月计算，我的工作负载在各个模型上实际要花多少钱？
find_cheaper	有哪些更便宜、而且显然不会更差的选项值得测试？

find_cheaper 返回的是待测试的候选项，而不是推荐——其背后的能力索引只是示例性估算，并非基准测试，响应也会对此作出说明。

安装

Claude Code

claude mcp add promptspend -- npx -y @promptspend/mcp

Cursor / Claude Desktop / Windsurf — 在 mcp.json 中：

{ "mcpServers": { "promptspend": { "command": "npx", "args": ["-y", "@promptspend/mcp"] } } }

它不会做什么

• 它不会把过时价格冒充当前价格。 目录会实时获取，而非随附打包。无法访问实时文件时，最多可使用保留副本 24 小时，且每个受影响的工具响应都会附带明确的 catalog_status 警告，供 Agent 转达。超过这一有限宽限期后，工具会返回错误，而不是旧价格。
• 它不提供基准测试、延迟或端点数据。 其他服务会提供这些数据。选择仅提供三个工具，是为了有意控制上下文预算。
• 它不收集遥测数据。 服务本身不会报告任何关于你的信息，也不需要密钥或账户——与它读取的该 API一样。

价格范围

标准层级、全球端点的美元标价。未纳入模型的因素：区域和数据驻留溢价、优先级层级、服务端工具调用费用、微调，以及协商折扣或承诺用量折扣。

---

同一目录也可通过免费的原生应用获取，适用于 iPhone 和 iPad 以及 Android。

属于 PromptSpend 项目的一部分，采用 MIT 许可证。发现价格有误？这是本项目可能遇到的最严重的一类错误。 提交 issue。