# ⚠️ 项目已退役（2026-05-01） LLM雷达不再维护。 每日数据管道已禁用，存储库已存档。 随着上游API的更改，实时仪表板和MCP服务器可能会停止工作。模型数据在 data/ 反映了退休前的最后一次更新。 此处代码仅供参考。叉子是受欢迎的。______________________________________________________________________
LLM雷达
通过MCP实现实时AI模型智能
   
跳过搜索。你的AI已经有了当前的模型信息。
______________________________________________________________________
什么是LLM雷达？
LLM雷达是一种 MCP服务器 它为您的AI助手提供有关OpenAI、Anthropic和Google的AI模型的最新信息。
问题： 人工智能助手有训练截止点。询问型号，你会得到过时的建议、弃用的API或幻觉般的定价。
解决方案： 连接LLM雷达，你的AI已经知道今天有什么可用的了：
- 从提供者API获取新数据 日常
- 用克劳德丰富它，以获得更好的描述
- 通过MCP为任何兼容的客户端公开它
______________________________________________________________________
MCP服务器设置
通过pip安装
# Install
pip install llm-radar-mcp
# Or run directly
pip install llm-radar-mcp && llm-radar-mcpClaude桌面配置 （本地stdio）：
{
"mcpServers": {
"llm-radar": {
"command": "llm-radar-mcp"
}
}
}选项3:Docker
docker run -p 8000:8000 ghcr.io/ajentsor/llm-radar:latest然后连接到 http://localhost:8000/sse
______________________________________________________________________
可用的MCP工具
连接后，您可以使用以下工具：
| 工具 | 说明 |
|---|---|
query_models | 按提供商、类型或模态支持搜索/筛选模型 |
compare_models | 具体型号的并排比较 |
get_model | 通过API ID获取有关特定模型的详细信息 |
list_model_ids | 列出提供程序的所有可用型号ID |
查询示例
"What models support vision input?"
→ Uses query_models with input_modality="image"
"Compare GPT-4o, Claude Sonnet, and Gemini 2.5 Pro"
→ Uses compare_models with those model IDs
"List all OpenAI model IDs"
→ Uses list_model_ids with provider="openai"______________________________________________________________________
可用资源
MCP服务器还公开了可以直接读取的资源：
| 资源URI | 描述 |
|---|---|
llm-radar://models/all | 完整的JSON数据 |
llm-radar://models/openai | 仅限OpenAI模型 |
llm-radar://models/anthropic | 仅适用于人类模型 |
llm-radar://models/google | 仅限谷歌型号 |
llm-radar://highlights | 精心策划的建议 |
______________________________________________________________________
运作原理
┌─────────────────────────────────────────────────────────────────┐
│ Daily GitHub Action (8am UTC) │
├─────────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ OpenAI │ │Anthropic │ │ Google │ ← Fetch APIs │
│ │ API │ │ API │ │ API │ │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ │
│ │ │ │ │
│ └──────────────┼──────────────┘ │
│ ▼ │
│ ┌──────────────┐ │
│ │ Claude │ ← Enrich & Format │
│ │ (Sonnet) │ │
│ └──────┬───────┘ │
│ │ │
│ ┌─────────────┼─────────────┐ │
│ ▼ ▼ ▼ │
│ ┌─────────┐ ┌──────────┐ ┌───────────┐ │
│ │models. │ │ MCP │ │ GitHub │ ← Deploy │
│ │ json │ │ Server │ │ Pages │ │
│ └─────────┘ └──────────┘ └───────────┘ │
│ │
└─────────────────────────────────────────────────────────────────┘______________________________________________________________________
数据格式
每个模型包括：
| 字段 | 描述 |
|---|---|
id | API型号标识符 |
name | 人性化名称 |
provider | openai、anthropic或谷歌 |
description | 这个模型最适合什么 |
context_window | 最大输入令牌数 |
pricing | 每1M代币的输入/输出成本 |
capabilities | 视觉、功能调用、推理等。 |
status | 活动、预览或已弃用 |
released | 发布日期 |
recommended_for | 用例建议 |
______________________________________________________________________
本地开发
# Clone
git clone https://github.com/ajentsor/llm-radar.git
cd llm-radar
# Install
python3 -m venv venv
source venv/bin/activate
pip install -e ".[dev]"
# Run MCP server (stdio mode)
llm-radar-mcp
# Run MCP server (HTTP mode for testing)
llm-radar-mcp --http --port 8000
# Fetch fresh data (requires API keys)
cp .env.example .env
# Edit .env with your API keys
python3 -m llm_radar.fetch_models
python3 -m llm_radar.aggregate_with_claude______________________________________________________________________
项目结构
llm-radar/
├── src/llm_radar/ # Main package
│ ├── __init__.py
│ ├── mcp_server.py # MCP server implementation
│ ├── fetch_models.py # API fetchers
│ └── aggregate_with_claude.py # Claude enrichment
├── data/
│ ├── models.json # Structured model data
│ ├── MODELS.md # Human-readable reference
│ └── raw/ # Raw API responses
├── docs/ # Landing page (Cloudflare)
├── Dockerfile # Container build
├── docker-compose.yml # Local container setup
├── pyproject.toml # Python package config
└── .github/workflows/
└── update-models.yml # Daily cron job______________________________________________________________________
配置
要自己运行数据提取器，请执行以下操作：
# .env file
OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
GOOGLE_API_KEY=AI...对于GitHub操作，将这些添加为存储库机密。
______________________________________________________________________
自我寄宿
Docker Compose
version: '3.8'
services:
llm-radar:
image: ghcr.io/ajentsor/llm-radar:latest
ports:
- "8000:8000"
restart: unless-stoppedCloudflare Workers/Fly.io/铁路
MCP服务器支持HTTP/SSE传输，使其可部署到支持长时间运行的HTTP连接的任何平台。
______________________________________________________________________
贡献
看 贡献.md 作为指导方针。
主要贡献领域：
- 其他供应商（Cohere、Mistral等）
- 更多MCP工具
- 更好的数据丰富提示
- 文档改进
______________________________________________________________________
许可证
MIT许可证-请参阅 许可证
______________________________________________________________________
专为想要准确AI模型信息的开发人员打造