Context7
Up-to-date docs for AI agents
Beschreibung vom Entwickler (englisches Original)
Route AI agent tasks to the best MCP server and LLM, scored on 132+ real benchmark executions.
Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.
Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.
Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.
Du brauchst
Welche App nutzt du?
Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.
Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein
{
"mcpServers": {
"toolroute": {
"command": "npx",
"args": [
"-y",
"@toolroute/sdk"
]
}
}
}Führe das in deinem Terminal aus
claude mcp add toolroute -- npx -y @toolroute/sdkIn .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen
{
"mcpServers": {
"toolroute": {
"command": "npx",
"args": [
"-y",
"@toolroute/sdk"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
In .vscode/mcp.json in deinem Projekt einfügen
{
"servers": {
"toolroute": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@toolroute/sdk"
]
}
}
}Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.
Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.
Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.
Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.
Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.
Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026
Der Registry-Name wurde mit dem GitHub-Konto grossiweb bestätigt, dem das Repo gehört
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieses Repo haben wir noch nicht von GitHub gelesen
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen
Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.
Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.
Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.
Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).
Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.2.2) kam vor 7 Monaten in die Registry.
Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Node.js auf deinem Computer.
In derselben Kategorie: Context7, Codebase Memory, Exa
Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.
So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti
Up-to-date docs for AI agents
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.
Routing layer for AI agents. One call returns the best MCP server and LLM for any task — scored on 132 real benchmark executions.
Add to any MCP client (Claude Code, Cursor, Windsurf, Cline):
{
"mcpServers": { "toolroute": { "url": "https://toolroute.io/api/mcp" } } }
Or via HTTP:
curl -X POST https://toolroute.io/api/route \
-H "Content-Type: application/json" \ -d '{"task": "search the web for recent AI papers"}'
{
"approach": "mcp_server", "recommended_skill": "exa-mcp-server", "recommended_skill_name": "Exa MCP Server", "recommended_model": { "slug": "claude-haiku-4-5-20251001", "display_name": "Claude Haiku 4.5", "provider": "anthropic", "tier": "cheap_chat", "provider_model_id": "anthropic/claude-haiku-4-5-20251001", "input_cost_per_mtok": 1.00, "output_cost_per_mtok": 5.00 }, "confidence": 0.91, "alternatives": ["brave-search-mcp", "tavily-mcp"], "fallback": "brave-search-mcp" }
recommended_modelis always an object, not a bare string — the innerslugis the canonical model identifier.
Every task falls into one of three approaches:
| Approach | When | Returns |
|---|---|---|
direct_llm | Task needs only an LLM (code, writing, analysis) | Best model + cost estimate |
mcp_server | Task needs an external tool (search, email, calendar) | Best tool + best model |
multi_tool | Compound task ("send Slack AND update Jira AND email") | Ordered orchestration chain |
Routing uses an LLM classifier (~$0.00001/call) for task understanding, then ranks candidates on a 5-dimension score:
Value Score = 0.35 × Output Quality
Every reported outcome updates the scores. The routing gets more accurate as more agents use it.
132 blind A/B executions across code, writing, analysis, structured output, and translation.
| ToolRoute | Fixed GPT-4o | |
|---|---|---|
| Quality wins | 6 | 0 |
| Ties | 9 | 9 |
| Losses | 0 | — |
| Avg cost | $0.001–0.01 | $0.03–0.10 |
| Endpoint | Method | Description |
|---|---|---|
/api/route | POST | Route a task to best MCP server + LLM (unified) |
/api/route/model | POST | Route to best LLM model only (no MCP server) |
/api/mcp | POST (JSON-RPC) | MCP server — 16 tools |
/api/mcp | GET (SSE) | SSE transport for MCP clients |
/api/report | POST | Report MCP server outcome (lightweight) |
/api/contributions | POST | Advanced MCP skill telemetry (requires skill_id or skill_slug in payload) |
/api/report/model | POST | Report LLM model outcome — use this for model telemetry, not /api/contributions |
/api/verify/model | POST | Verify model output quality |
/api/skills | GET | Search MCP server catalog |
/api/agents/register | POST | Register agent identity |
/api/agents/preferences | POST | Set routing preferences (Strategy D Phase 2 — allow_china, regulated_industries) |
/api/health | GET | Service health check (DB + uptime) |
/api/metrics | GET | Public aggregate platform metrics (no auth) |
Full reference at toolroute.io/api-docs
npm install @toolroute/sdk
import { ToolRoute } from '@toolroute/sdk'
const tr = new ToolRoute() const rec = await tr.route({ task: 'parse this CSV and summarize it' }) // execute with rec.recommended_model ... await tr.report({ skill: rec.recommended_skill, outcome: 'success', latency_ms: 1400 })
git clone https://github.com/grossiweb/ToolRoute.git
cd ToolRoute cp .env.local.example .env.local npm install npm run dev
Requires: NEXT_PUBLIC_SUPABASE_URL, NEXT_PUBLIC_SUPABASE_ANON_KEY, SUPABASE_SERVICE_ROLE_KEY
ToolRoute classifies each task using an LLM classifier (Gemini Flash Lite, ~$0.00001/call) with a keyword fallback. The resulting tier maps to a specific model via src/lib/routing/tiers.ts. Live pricing and capability data come from the models table. See docs/architecture.md for the full picture.
Next.js 14 (App Router) · Supabase (Postgres) · Vercel
MIT