cross-llm-mcp

Un servidor del Protocolo de Contexto de Modelo (MCP) que proporciona acceso a múltiples APIs de Modelos de Lenguaje Grande (LLM), incluyendo ChatGPT, Claude, Gemini y DeepSeek.

GitHub

Prueba este MCPPatrocinado

Documentación

🤖 Cross-LLM MCP Server

Accede a múltiples APIs de LLM desde un solo lugar. Llama a ChatGPT, Claude, DeepSeek, Gemini, Grok, Kimi, Perplexity, Mistral y Hugging Face Inference Router con selección inteligente de modelos, preferencias y registro de prompts.

Un servidor MCP (Model Context Protocol) que proporciona acceso unificado a múltiples APIs de modelos de lenguaje grandes para entornos de codificación con IA como Cursor y Claude Desktop.

¿Por qué usar Cross-LLM MCP?

🌐 9 proveedores de LLM – ChatGPT, Claude, DeepSeek, Gemini, Grok, Kimi, Perplexity, Mistral, Hugging Face
🎯 Selección inteligente de modelos – Preferencias basadas en etiquetas (coding, business, reasoning, math, creative, general)
📊 Registro de prompts – Rastrea todos los prompts con historial, estadísticas y análisis
💰 Optimización de costos – Elige modelos premium o más económicos según tu preferencia
⚡ Configuración fácil – Instalación con un clic en Cursor o configuración manual sencilla
🔄 Llama a todos los LLM – Obtén respuestas de todos los proveedores simultáneamente

Inicio rápido

¿Listo para acceder a múltiples LLM? Instala en segundos:

Instalar en Cursor (Recomendado):

🔗 Instalar en Cursor

O instalar manualmente:

npm install -g cross-llm-mcp
# Or from source:
git clone https://github.com/JamesANZ/cross-llm-mcp.git
cd cross-llm-mcp && npm install && npm run build

Características

🤖 Herramientas individuales de LLM

call-chatgpt – API de ChatGPT de OpenAI
call-claude – API de Claude de Anthropic
call-deepseek – API de DeepSeek
call-gemini – API de Gemini de Google
call-grok – API de Grok de xAI
call-kimi – API de Kimi de Moonshot AI
call-perplexity – API de Perplexity AI
call-mistral – API de Mistral AI
call-huggingface – Hugging Face Inference Router (modelos Hub compatibles con OpenAI)

🔄 Herramientas combinadas

call-all-llms – Llama a todos los LLM con el mismo prompt
call-llm – Llama a un proveedor específico por nombre

⚙️ Preferencias y selección de modelos

get-user-preferences – Obtén las preferencias actuales
set-user-preferences – Configura el modelo predeterminado, la preferencia de costo y las preferencias basadas en etiquetas
get-models-by-tag – Encuentra modelos por etiqueta (coding, business, reasoning, math, creative, general)

📝 Registro de prompts

get-prompt-history – Consulta el historial de prompts con filtros
get-prompt-stats – Obtén estadísticas sobre los registros de prompts
delete-prompt-entries – Elimina entradas de registro según criterios
clear-prompt-history – Borra todos los registros de prompts

Instalación

Cursor (Un clic)

Haz clic en el enlace de instalación anterior o usa:

cursor://anysphere.cursor-deeplink/mcp/install?name=cross-llm-mcp&config=eyJjcm9zcy1sbG0tbWNwIjp7ImNvbW1hbmQiOiJucHgiLCJhcmdzIjpbIi15IiwiY3Jvc3MtbGxtLW1jcCJdfX0=

Después de la instalación, agrega tus claves de API en la configuración de Cursor (consulta Configuración a continuación).

Instalación manual

Requisitos: Node.js 18+ y npm

# Clone and build
git clone https://github.com/JamesANZ/cross-llm-mcp.git
cd cross-llm-mcp
npm install
npm run build

Claude Desktop

Agrega a claude_desktop_config.json:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "cross-llm-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/cross-llm-mcp/build/index.js"],
      "env": {
        "OPENAI_API_KEY": "your_openai_api_key_here",
        "ANTHROPIC_API_KEY": "your_anthropic_api_key_here",
        "DEEPSEEK_API_KEY": "your_deepseek_api_key_here",
        "GEMINI_API_KEY": "your_gemini_api_key_here",
        "XAI_API_KEY": "your_grok_api_key_here",
        "KIMI_API_KEY": "your_kimi_api_key_here",
        "PERPLEXITY_API_KEY": "your_perplexity_api_key_here",
        "MISTRAL_API_KEY": "your_mistral_api_key_here",
        "HF_TOKEN": "your_huggingface_token_here"
      }
    }
  }
}

Reinicia Claude Desktop después de la configuración.

Configuración

Claves de API

Configura las variables de entorno para los proveedores de LLM que quieras usar:

export OPENAI_API_KEY="your_openai_api_key"
export ANTHROPIC_API_KEY="your_anthropic_api_key"
export DEEPSEEK_API_KEY="your_deepseek_api_key"
export GEMINI_API_KEY="your_gemini_api_key"
export XAI_API_KEY="your_grok_api_key"
export KIMI_API_KEY="your_kimi_api_key"
export PERPLEXITY_API_KEY="your_perplexity_api_key"
export MISTRAL_API_KEY="your_mistral_api_key"
export HF_TOKEN="your_huggingface_token"
# Or: HUGGINGFACE_API_KEY (same as HF_TOKEN)
# Optional: DEFAULT_HUGGINGFACE_MODEL, HUGGINGFACE_INFERENCE_BASE_URL (default https://router.huggingface.co/v1)

Obtención de claves de API

OpenAI: https://platform.openai.com/api-keys
Anthropic: https://console.anthropic.com/
DeepSeek: https://platform.deepseek.com/
Google Gemini: https://makersuite.google.com/app/apikey
xAI Grok: https://console.x.ai/
Moonshot AI: https://platform.moonshot.ai/
Perplexity: https://www.perplexity.ai/hub
Mistral: https://console.mistral.ai/
Hugging Face: Crea un token de grano fino con acceso a Inference (serverless / Inference Providers) en https://huggingface.co/settings/tokens. Consulta Chat Completion para ver los modelos compatibles.

Ejecutar modelos Hub localmente (fuera de este MCP)

Este servidor llama al Inference Router alojado de Hugging Face; no descarga pesos ni ejecuta PyTorch/GGUF dentro de Node. Para ejecutar modelos en tu máquina, usa herramientas como Ollama, llama.cpp, Text Generation Inference o Inference Endpoints de Hugging Face, y luego apunta otros clientes a esos servicios si exponen una API.

Ejemplos de uso

Llamar a ChatGPT

Obtén una respuesta de OpenAI:

{
  "tool": "call-chatgpt",
  "arguments": {
    "prompt": "Explain quantum computing in simple terms",
    "temperature": 0.7,
    "max_tokens": 500
  }
}

Llamar a Hugging Face

Obtén una respuesta de un modelo Hub a través del Inference Router (model es el ID del repositorio Hub, p. ej. Qwen/Qwen2.5-7B-Instruct):

{
  "tool": "call-huggingface",
  "arguments": {
    "prompt": "Reply with exactly: ok",
    "model": "Qwen/Qwen2.5-7B-Instruct",
    "temperature": 0.3,
    "max_tokens": 32
  }
}

Llamar a todos los LLM

Obtén respuestas de todos los proveedores:

{
  "tool": "call-all-llms",
  "arguments": {
    "prompt": "Write a short poem about AI",
    "temperature": 0.8
  }
}

Configurar preferencias basadas en etiquetas

Usa automáticamente el mejor modelo para cada tipo de tarea:

{
  "tool": "set-user-preferences",
  "arguments": {
    "defaultModel": "gpt-4o",
    "costPreference": "cheaper",
    "tagPreferences": {
      "coding": "deepseek-r1",
      "general": "gpt-4o",
      "business": "claude-3.5-sonnet-20241022",
      "reasoning": "deepseek-r1",
      "math": "deepseek-r1",
      "creative": "gpt-4o"
    }
  }
}

Obtener historial de prompts

Consulta tus registros de prompts:

{
  "tool": "get-prompt-history",
  "arguments": {
    "provider": "chatgpt",
    "limit": 10
  }
}

Etiquetas de modelos

Los modelos se etiquetan según sus fortalezas:

coding: deepseek-r1, deepseek-coder, gpt-4o, claude-3.5-sonnet-20241022
business: claude-3-opus-20240229, gpt-4o, gemini-1.5-pro
reasoning: deepseek-r1, o1-preview, claude-3.5-sonnet-20241022
math: deepseek-r1, o1-preview, o1-mini
creative: gpt-4o, claude-3-opus-20240229, gemini-1.5-pro
general: gpt-4o-mini, claude-3-haiku-20240307, gemini-1.5-flash

Casos de uso

Análisis multiperspectiva – Obtén diferentes perspectivas de múltiples LLM
Comparación de modelos – Compara respuestas para entender fortalezas y debilidades
Optimización de costos – Elige el modelo más rentable para cada tarea
Garantía de calidad – Contrasta respuestas de múltiples modelos
Selección inteligente – Usa automáticamente el mejor modelo para coding, business, reasoning, etc.
Analítica de prompts – Rastrea uso, costos y patrones con registro automático

Detalles técnicos

Construido con: Node.js, TypeScript, MCP SDK
Dependencias: @modelcontextprotocol/sdk, superagent, zod
Plataformas: macOS, Windows, Linux

Almacenamiento de preferencias:

Unix/macOS: ~/.cross-llm-mcp/preferences.json
Windows: %APPDATA%/cross-llm-mcp/preferences.json

Almacenamiento de registros de prompts:

Unix/macOS: ~/.cross-llm-mcp/prompts.json
Windows: %APPDATA%/cross-llm-mcp/prompts.json

Contribuciones

⭐ Si este proyecto te resulta útil, ¡dale una estrella en GitHub! ⭐

¡Las contribuciones son bienvenidas! Abre un issue o envía un pull request.

Licencia

Licencia MIT – consulta LICENSE.md para más detalles.

Soporte

Si encuentras útil este proyecto, considera apoyarlo:

⚡ Lightning Network

lnbc1pjhhsqepp5mjgwnvg0z53shm22hfe9us289lnaqkwv8rn2s0rtekg5vvj56xnqdqqcqzzsxqyz5vqsp5gu6vh9hyp94c7t3tkpqrp2r059t4vrw7ps78a4n0a2u52678c7yq9qyyssq7zcferywka50wcy75skjfrdrk930cuyx24rg55cwfuzxs49rc9c53mpz6zug5y2544pt8y9jflnq0ltlha26ed846jh0y7n4gm8jd3qqaautqa

₿ Bitcoin: bc1ptzvr93pn959xq4et6sqzpfnkk2args22ewv5u2th4ps7hshfaqrshe0xtp

Ξ Ethereum/EVM: 0x42ea529282DDE0AA87B42d9E83316eb23FE62c3f