MCP Cost Optimizer

MCP 成本优化器

了解 LLM 调用的成本，以及切换模型能节省多少费用——本地 MCP 服务，无需 API 密钥。

从 AI Agent 的使用记录中找出超额支出。比较你正在考虑的每个模型的成本。依据实际数据而非猜测做出决策。

---

🚀 快速安装

Cursor

点击上方按钮即可一键安装到 Cursor，或者使用此深层链接：

cursor://anysphere.cursor-deeplink/mcp/install?name=cost-optimizer&config=eyJjb21tYW5kIjoibnB4IiwiYXJncyI6WyIteSIsIm1jcC1jb3N0LW9wdGltaXplciJdfQ==

Claude Code

# Quick install
claude mcp add cost-optimizer -- npx -y mcp-cost-optimizer

# Or via marketplace
/plugin marketplace add petrovicistefan/mcp-cost-optimizer
/plugin install mcp-cost-optimizer@mcp-cost-optimizer

VS Code

或者手动添加到 .vscode/mcp.json：

{
  "servers": {
    "cost-optimizer": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-cost-optimizer"]
    }
  }
}

任意 MCP 客户端

npx -y mcp-cost-optimizer

其他客户端（Windsurf、Cline、Gemini CLI、Zed、Codex CLI）的详细设置说明，请参阅详细设置说明。

---

目录

• 快速入门
  • Claude Code 插件
  • 任意 MCP 客户端
• 为什么选择 MCP 成本优化器？
• 示例提示词
• MCP 工具
• 导入使用数据
  • 预期输入格式
  • 示例：OpenAI 使用情况导出
  • 示例：Anthropic 使用情况导出
• 使用场景
• 隐私与安全
• 比较
• 限制
• 免费版和专业版
• 路线图
• 参与贡献
• 许可证
• 作者的更多 MCP 服务

---

快速入门

Claude Code 插件

/plugin marketplace add petrovicistefan/mcp-cost-optimizer
/plugin install mcp-cost-optimizer@mcp-cost-optimizer

任意 MCP 客户端

支持 Cursor、VS Code、Windsurf、Claude Desktop、Cline、Codex CLI、Zed 和 Gemini CLI。使用一条命令安装：

npx -y mcp-cost-optimizer

或者添加到 MCP 配置文件：

Claude Desktop、Cursor、Windsurf、Cline、Gemini CLI — claude_desktop_config.json、~/.cursor/mcp.json、~/.codeium/windsurf/mcp_config.json、Cline MCP 设置、~/.gemini/settings.json：

{
  "mcpServers": {
    "cost-optimizer": {
      "command": "npx",
      "args": ["-y", "mcp-cost-optimizer"]
    }
  }
}

VS Code / GitHub Copilot — .vscode/mcp.json：

{
  "servers": {
    "cost-optimizer": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "mcp-cost-optimizer"]
    }
  }
}

Zed — settings.json：

{
  "context_servers": {
    "cost-optimizer": {
      "command": "npx",
      "args": ["-y", "mcp-cost-optimizer"]
    }
  }
}

Codex CLI：

codex mcp add cost-optimizer -- npx -y mcp-cost-optimizer

---

⭐ 支持此项目

觉得这个 MCP 工具有用？为此仓库点个星！

GitHub 星标能帮助其他开发者发现此项目，也方便你之后再次找到它。感谢你支持开源！

---

演示

使用自定义定价分析多个模型的 LLM 用量

---

为什么选择 MCP Cost Optimizer？

你正在运行 AI Agent，也有使用情况日志。你可能会想：

• 花了多少钱？ 分析标准化的使用记录，查看总成本、各模型的成本明细，以及哪些模型缺少定价数据。
• 如果切换模型会怎样？ 比较迁移方案：保留 token 数量，更换模型，查看预计节省的费用（或增加的成本）。
• 我是否在重复发送相同请求？ 如果提供请求哈希，就能找出有条件的响应缓存机会。

MCP Cost Optimizer 具有以下特点：

• 本地优先：无需 API 密钥或账户，也不会发送外部请求。你的使用数据保留在本机。
• 与提供商无关：可使用自己的定价表，适用于任何大模型提供商。
• 透明：所有计算都是确定性的。没有隐藏假设，也没有魔法。你提供价格，就能得到准确的估算。

---

示例提示词

安装后，可以尝试向 AI Agent 提问：

“使用我提供的费率分析这些标准化的使用记录。找出未知模型和重复请求，然后比较一种更便宜的模型。说明假设，不要更改生产路由。”

“我在 gpt-4o 和 claude-sonnet-4.5 上有 50,000 个请求。用这些费率估算成本，然后告诉我，如果将其中一半切换到 gpt-4o-mini，可以节省多少费用。”

“将我当前的模型用量与 claude-haiku-3-5 进行比较。如果迁移，每个月可以节省多少？”

---

工具

该服务提供三个用于成本分析的 MCP 工具：

工具	描述	输入	输出
estimate_llm_cost	根据提供的每百万 token 费率，估算单次大模型请求的成本。输入 token 数包含缓存 token。	record（模型、token 数），rates（定价）	单次请求的成本估算，包含货币和定价日期
analyze_llm_usage	分析标准化的大模型用量；报告成本、未知模型和有条件的响应缓存机会。不会访问网络或文件。	records（数组，最多 100k 条），rates（定价）	汇总分析：总成本、各模型的明细、未知模型、重复请求机会、token 总数
compare_llm_models	将目标模型与已知价格的基准模型进行比较。仅生成方案；需要单独评估质量，且不会更改路由。	records（数组，最多 100k 条），rates（定价），targetModel（字符串）	迁移方案：保持 token 数不变时，使用不同模型的预计成本（需要单独评估质量）

所有工具：

• 接受结构化 JSON 参数
• 返回格式化文本和结构化 JSON
• 只读且幂等（可安全地重复调用）
• 不发送网络请求，也不访问文件

---

导入使用数据

这些工具需要标准化的使用记录，因此数据导入是个薄弱环节。 以下介绍如何获取这些记录。

预期输入格式

每条使用 record 都必须包含：

{
  "model": "gpt-4o",
  "inputTokens": 1000,
  "outputTokens": 50,
  "cachedInputTokens": 0,
  "requestHash": "optional-unique-identifier"
}

规则：

• model：准确的模型名称（必须与费率文件中的名称一致）
• inputTokens：输入 token 总数，包含缓存 token
• outputTokens：输出 token 总数
• cachedInputTokens：（可选）提示词缓存命中数（必须 ≤ inputTokens）
• requestHash：（可选）整个请求的唯一标识符（租户、模型参数、系统上下文、工具状态、新鲜度）——用于识别有条件的响应缓存机会

重要：不能直接使用 OpenAI 的 prompt_tokens 和 Anthropic 单独列出的缓存字段。必须先对它们进行标准化。

示例：OpenAI 使用情况导出

如果从 OpenAI 控制面板导出使用情况，可能会得到包含 model、prompt_tokens、completion_tokens、cached_tokens 等列的 CSV 文件。

转换为标准化格式：

// Example transformation (Node.js)
const fs = require('fs');
const Papa = require('papaparse'); // npm install papaparse

const csv = fs.readFileSync('openai-usage-export.csv', 'utf8');
const parsed = Papa.parse(csv, { header: true, dynamicTyping: true });

const normalized = parsed.data.map(row => ({
  model: row.model,
  inputTokens: row.prompt_tokens, // OpenAI prompt_tokens = total input
  outputTokens: row.completion_tokens,
  cachedInputTokens: row.cached_tokens || 0,
  requestHash: row.request_id // if available
}));

fs.writeFileSync('normalized-usage.jsonl', normalized.map(r => JSON.stringify(r)).join('\n'));

然后将 normalized-usage.jsonl 与费率文件一起提供给你的 Agent。

示例：Anthropic 用量导出

Anthropic 的用量导出包含 input_tokens、cache_creation_input_tokens、cache_read_input_tokens 和 output_tokens 等独立字段。

转换为标准化格式：

// Anthropic → normalized format
const normalized = anthropicUsage.map(row => ({
  model: row.model,
  inputTokens: row.input_tokens + row.cache_creation_input_tokens + row.cache_read_input_tokens,
  outputTokens: row.output_tokens,
  cachedInputTokens: row.cache_read_input_tokens,
  requestHash: row.request_id // if available
}));

注意：缓存写入的定价与常规输入定价分开。此 MVP 不支持差异化的缓存写入费率。如果你在费率文件中提供 cachedInputPerMillion，它仅适用于缓存读取。

---

费率文件格式

以 JSON 格式提供你自己的定价表：

{
  "currency": "USD",
  "asOf": "2026-10-19",
  "models": {
    "gpt-4o": {
      "inputPerMillion": 2.5,
      "outputPerMillion": 10.0,
      "cachedInputPerMillion": 1.25
    },
    "claude-sonnet-4.5": {
      "inputPerMillion": 3.0,
      "outputPerMillion": 15.0
    }
  }
}

• currency：三字母代码（例如 "USD"、"EUR"）
• asOf：（可选）价格核实日期
• models：按确切的模型名称作为键
  • inputPerMillion：每百万输入令牌的价格
  • outputPerMillion：每百万输出令牌的价格
  • cachedInputPerMillion：（可选）每百万缓存输入令牌的价格（若省略，则默认为 inputPerMillion）

费率文件中的所有模型必须使用相同的货币。 未知模型不会计入总额，并会标记为数据不完整。

请参阅 examples/rates.json 查看演示文件（价格为虚构）。

---

使用场景

1. AI Agent 成本审计

你已经使用 Claude Code 或 Cursor 工作了一个月，并有会话日志。你想知道：

• 每种模型的总支出
• 哪些模型缺少定价数据
• 切换模型可以在哪些方面节省费用

工作流：导出用量数据并将其标准化，然后在安装此 MCP 服务后将数据提供给你的 Agent。询问：“分析我的用量，并与更便宜的模型进行比较。”

2. 模型迁移规划

你正在考虑将部分工作负载从 gpt-4o 迁移到 gpt-4o-mini。

工作流：使用 compare_llm_models 估算节省的费用。请注意：该工具假设令牌数量保持不变。你必须另外评估质量、上下文窗口和延迟。

3. 响应缓存机会检测

你为每个请求提供 requestHash（由租户、模型参数、系统上下文、工具状态和新鲜度要求计算出的哈希值）。

工作流：analyze_llm_usage 工具会识别重复的哈希，并报告实施条件响应缓存后可实现的最高限度节省额。这不是提供商的提示词缓存，而是请求级别的去重。

4. 个人开发者／自由职业者

你同时为多个客户工作，并希望按项目跟踪大模型成本。

工作流：为每个项目分别保存用量日志。单独分析每个项目，并汇总总额以便开具账单。

5. 团队／企业

团队共用一个 API 密钥，你希望按工程师或功能归集成本。

工作流：为用量记录添加工程师／功能标识。分析记录子集。（未来：提供带预算和提醒的托管方案。）

---

隐私与安全

• 无遥测：本地 MCP 服务或 CLI 不会发出任何对外请求。
• 无凭据：服务不会索要或存储 API 密钥。
• 不写入文件：MCP 工具仅接受结构化数据；不会读取或写入文件。
• CLI 沙箱：CLI 仅读取当前目录下的 JSON／JSONL 文件，会解析符号链接，并拒绝访问该根目录之外的路径。读取前会检查文件是否为常规文件，以及文件大小是否不超过 20 MiB。JSONL 采用增量解析，最多处理 100,000 条记录。
• 安全算术：汇总令牌数量时会拒绝不安全的整数总数。成本计算会拒绝无穷大结果。

---

对比

工具	重点	本地运行	导入格式	模型对比	缓存优化机会	MCP 服务
MCP Cost Optimizer	成本分析与模型切换场景	✅	标准化 JSON	✅	✅（请求级别）	✅
agentacct	Agent 工作情报与成本仪表板	✅	Claude Code/Codex 日志	❌	❌	❌（Python 仪表板）
Tokenscope	Claude CLI 菜单栏仪表板	✅	Claude CLI 日志	❌	❌	❌（macOS/Windows 应用）
tokentop	实时终端监控	✅	提供商 API + 会话文件	❌	✅（提供商缓存百分比）	❌（TUI）
llm-cost-dashboard	带预算和预测功能的终端仪表板	✅	日志文件 / 标准输入	❌	❌	❌（Rust TUI）

MCP Cost Optimizer 的独特之处：

• 原生支持 MCP：适用于任何 MCP 客户端（Claude Code、Cursor、VS Code、Windsurf、Cline、Zed、Claude Desktop、Gemini CLI、Codex CLI）。
• 模型对比：估算迁移场景可节省的成本（或产生的额外成本）。
• 请求级缓存检测：提供哈希值时，可识别重复请求。
• 不依赖特定提供商：可使用自定义定价表（OpenAI、Anthropic、Gemini、Llama、Mistral 等）。
• 透明：所有计算均为确定性计算，不靠猜测，也没有隐藏假设。

---

限制

这是一个 MVP（v0.1.2）。目前尚不支持以下功能：

• 缓存写入定价：不支持单独的缓存写入费率。只能通过 cachedInputPerMillion 配置缓存读取价格。
• 推理 token：此版本不会对扩展推理 token（例如 OpenAI o1/o3 系列）单独定价。
• 自动更新定价：你必须自行维护费率文件。该工具不会从提供商处获取实时定价。
• 账单核对：估算基于你提供的价格，而非提供商账单。费用不含货币转换和税费。
• 质量评估：模型对比假设 token 数量保持不变。你必须另行评估质量、分词器差异、上下文窗口、工具支持情况和延迟。
• 自动路由：该工具仅提供估算，不会更改应用的模型选择。

---

免费版和专业版

• 本地 MCP/CLI：永久免费。可离线运行。无需账户、API 密钥或配额。
• 托管路径（未来计划）：计划提供带控制平面集成的托管 HTTP 路径，供需要集中管理配额、预算和告警的团队使用。定价待定。

---

路线图

• 用于自动标准化的提供商适配器（OpenAI、Anthropic、Gemini、Bedrock）
• 缓存写入和推理 token 计费
• 经过验证的版本化定价目录
• 项目预算和告警
• 通过质量门控的模型评估
• 托管报告仪表板

在添加自动优化功能之前，请先使用真实场景验证这些功能。

---

贡献

欢迎贡献！请参阅 CONTRIBUTING.md（如果存在），或提交 issue。

贡献前请先：

1. 运行 npm test 和 npm run check，验证你的更改。
2. 遵循现有代码风格（core.js 不引入外部依赖，使用 ESM 模块，使用 node:test 编写测试）。
3. 为新功能添加测试。

---

许可证

MIT 许可证——详情请参阅 LICENSE 文件。

版权所有 © 2026 Stefan Petrovici

可自由使用、修改和分发。不提供任何担保。

---

作者的更多 MCP 服务

属于 petrovicistefan MCP 套件 — 为 AI 编码 Agent 提供本地优先的防护措施。

服务	用途	链接
🛡️ MCP Security Guard	检测 MCP 服务中的工具投毒、恶意接管和提示词注入	GitHub
💰 MCP Cost Optimizer	分析大模型成本和切换模型的节省额	GitHub
🗄️ MCP Database Doctor	诊断架构问题、慢查询和缺失索引	GitHub
📦 MCP Dependency Doctor	查找过时的软件包、CVE 和许可证冲突	GitHub
🔍 MCP SEO Auditor	检查本地 SEO 中的元标签、架构和性能	GitHub
🌐 MCP API Guardian	验证 OpenAPI 规范并检测破坏性变更	GitHub
🏪 MCP Marketplace	浏览和发现完整套件	GitHub

探索所有 MCP 服务 →

---

觉得有用？⭐ 为此仓库点个 Star，帮助更多人发现它！