Trust Engine AI: model retirements and agent cost

trust-engine-mcp

来自 Trust Engine AI 的免费 MCP 服务。它可以回答 Agent 通常需要上网搜索才能找到答案的问题：

• 我们使用的模型是否即将退役？何时退役？ 提供 Anthropic、OpenAI、Google Gemini API 和 Vertex AI、AWS Bedrock 及 Mistral 的已核实日期。每个日期都附有官方来源 URL 和核查日期。
• 为什么我们的 Agent 成本这么高？ 它会在本地读取 OpenAI 或 Anthropic 的用量／成本导出文件，并按模型展示支出、成本驱动因素，以及你可以自行采取的改进措施。
• 更便宜的模型够用吗？ 你可以查看我们的公开基准测试数据、我们测量过的模型组合的节省估算，以及一份可直接使用的申请，用于在你自己的任务上进行免费试点。

只读。无需密钥、无需账户、无遥测。该服务只向 agenttrustapi.com 发送 GET 请求。

如实说明。 退役数据摘自供应商页面，因此在根据日期采取行动前，请先查看 source_url。 基准测试使用一个编码 Agent 完成 27 项公开练习：它可以公平比较模型，但不能预测模型在你的任务上的表现。节省估算仅适用于我们测量过的组合；其他组合的工具不会提供估算值。我们不会代你发送任何内容：request_pilot 只会起草电子邮件，由你自行发送。

使用一条命令连接

需要 Python 3.10+ 和 uv。

# Claude Code
claude mcp add --transport stdio trust-engine -- uvx trust-engine-mcp

# Codex CLI
codex mcp add trust-engine -- uvx trust-engine-mcp

Claude Desktop、Cursor 和其他 stdio 客户端使用此配置（claude_desktop_config.json、.cursor/mcp.json）：

{
  "mcpServers": {
    "trust-engine": { "command": "uvx", "args": ["trust-engine-mcp"] }
  }
}

Claude Desktop 也可以从 GitHub releases 安装单文件包 trust-engine-mcp-<version>.mcpb。 如果不使用 uv，请运行 pip install trust-engine-mcp，并使用命令 trust-engine-mcp。

先试试这些

使用 trust-engine 工具。我们使用 claude-sonnet-4-5、gpt-4o 和 gemini-2.5-flash。它们中哪些即将退役？在哪个平台退役？我们最晚需要在什么时候重新测试？请注明来源。

这是我们的用量导出文件（CSV）。为什么我们的 Agent 成本这么高？请列出我们本周可以自行采取的快速改进措施。

Claude Sonnet 做编码工作时够用吗？它能否替代 Opus？请展示基准测试数据，以及如果我们的月账单为 $4,000，可以节省多少。然后告诉我如何在自己的任务上进行测试。

工具

工具	可解答的问题
check_my_models(models)	对于 Agent 使用的每个模型：各平台的退役日期、剩余天数、供应商的替代模型、来源，以及后续步骤（“在……之前重新测试”）
model_retirements(provider?, model?, before_date?, include_past?, text_models_only?)	按条件筛选即将退役和弃用的模型，并附上来源
analyze_usage(csv_text? | rows?)	按模型展示支出、头部模型占比、已列入退役日历的模型、成本驱动因素和后续步骤。离线运行；不会上传任何内容
benchmark_results()	Claude Opus、Sonnet 和 Haiku 5.5 的 Aider 公开基准测试：解决的任务数、每项已解决任务的成本、失败的任务、方法和原始数据
estimate_switch_savings(monthly_bill_usd, from_model, to_model)	仅针对已测量的模型组合，提供实测成本比率及计算过程
prepare_pilot_tasks(csv_text?, use_case?)	试点任务格式（CSV 模板）、如何挑选 20-30 项任务、如何屏蔽个人数据，以及对草稿进行离线检查
request_pilot(company?, use_case?, models?, task_count?, monthly_bill_usd?, notes?)	起草电子邮件，并生成发往 [email protected] 的 mailto: 链接，由你自行发送
pricing()	已公布的价格（美元，自 2026 年 11 月 12 日起有效），包括固定价格的 7 天测试（$1,390）、全天候监控和保加利亚语审查

analyze_usage 读取的用量导出数据

列名采用宽松匹配；大小写、空格和分隔符均会被忽略。仅模型列为必需项。

• 模型：model、model_name、model_id、snapshot_id、line_item（例如“gpt-4o-2024-08-06, input”）
• 费用：cost、cost_usd、amount、amount_value、spend、total_cost
• 请求数：requests、num_model_requests、n_requests、request_count
• Token 数：input_tokens、prompt_tokens、n_context_tokens_total、uncached_input_tokens、output_tokens、 completion_tokens、cache_read_input_tokens、input_cached_tokens、cache_creation_input_tokens
• 可靠性：errors、error_count、status、status_code、retries
• 其他：batch、service_tier、date、start_time、bucket_start

数据来源

数据	URL	许可证
模型退役日历	https://agenttrustapi.com/retirements.json (架构、Atom、页面)	CC BY 4.0
Aider model-diet 基准测试	https://agenttrustapi.com/benchmarks/aider-model-diet.json (报告、协议、原始 CSV)	以报告中的说明为准
Pilot 任务模板	https://agenttrustapi.com/pilot/tasks_template.csv	—

服务器会将每个文件缓存 6 小时，超时时间为 10 秒。软件包包含这两个文件的快照。如果网站无法访问，服务器会使用该快照，并在每条回答中说明这一点。

环境变量

变量	默认值	含义
TRUST_ENGINE_OFFLINE	0	1：不进行任何抓取；仅使用随附的快照
TRUST_ENGINE_BASE_URL	https://agenttrustapi.com	数据主机（用于针对本地副本进行测试）

开发

pip install -e ".[dev]"
pytest && ruff check .

测试使用固定样例和虚假网站，不会发起网络请求。

许可证

代码采用 MIT 许可证 © 2026 Trust Engine AI。退役数据采用 CC BY 4.0 许可证。联系邮箱：[email protected]

mcp-name: io.github.DinevDecor/trust-engine-mcp