rea
Reverse engineer anything with agents, from app behavior down to native binaries.
Delegate asynchronous coding jobs between Claude Code, Codex, Cursor Agent, and Pi.
Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este
Reverse engineer anything with agents, from app behavior down to native binaries.
A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.
Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes
| Popularidad | 4/80 | Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20 |
|---|---|---|
| Actualidad | 12/12 | Puntuación completa con una versión o cambio de código en 30 días |
| Sigue respondiendo | 0/8 | El endpoint en la nube respondió en la última revisión |
| Puntuación de uso | 16/100 |
Calidad: Pasó 2/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)
Elige la app de IA que usas y copia la configuración.
Pasó 2/3 revisiones · Funciona en tu computadora
Primero: ¿qué IA usas?
Elige tu app y los pasos aparecen abajo.
Funciona con Claude, pero hay que preparar algo antes
Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil
Descargar el archivo .mcpb del creador
El archivo .mcpb viene directo del autor; no lo modificamos
Usa LLM Provider MCP y dime qué puedes hacer por mí; luego muéstrame una cosa✓ Si Claude dice que está usando LLM Provider MCP o muestra una herramienta de LLM Provider MCP en la respuesta, ya está conectado
Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión
ChatGPT todavía no puede conectar LLM Provider MCP
LLM Provider MCP se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web
A · Usa una app que pueda conectar LLM Provider MCP
B · Otros en Herramientas para desarrolladores que funcionan con ChatGPT
Elegidos entre los más usados de la misma categoría, solo los que se conectan con una dirección y sin clave
Claude Code todavía no puede conectar LLM Provider MCP
El autor solo ofrece un instalador para la app de Claude de escritorio
A · Usa una app que pueda conectar LLM Provider MCP
Cursor todavía no puede conectar LLM Provider MCP
El autor solo ofrece un instalador para la app de Claude de escritorio
A · Usa una app que pueda conectar LLM Provider MCP
VS Code todavía no puede conectar LLM Provider MCP
El autor solo ofrece un instalador para la app de Claude de escritorio
A · Usa una app que pueda conectar LLM Provider MCP
Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps
Ver todas las apps que usan MCP →
La configuración JSON está en “Para desarrolladores”, abajo
mcpb: …/llm-provider-mcp_darwin_amd64.mcpbmcpb: …/llm-provider-mcp_darwin_arm64.mcpbmcpb: …/llm-provider-mcp_linux_amd64.mcpbSegún cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.
Se ejecutan en tu computadora en
ClaudeGooseLM StudioMsty StudioCherry StudioVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast
Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.
Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 19 nov 2026
El nombre en el registro se verificó con la cuenta de GitHub manishiitg, dueña del repo
Último cambio de código: ayer
GitHub no pudo identificar el tipo de licencia; abre el archivo para comprobarlo
Este se ejecuta en tu computadora; no hay endpoint en internet
Se ejecuta en tu computadora y usa ajustes locales en su lugar
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet
No revisado: solo se pueden revisar paquetes npm y PyPI con versión
Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.
[](https://mcp.popnx.com/en/servers/manishiitg-llm-provider-mcp)Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.
Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.
Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.
Aún no hay reseñas
Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.
Superó 2 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.
El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.
Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).
El repo de GitHub cambió por última vez ayer, y la última versión (0.7.3) llegó al registro hace 4 meses.
Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas MCPB en tu computadora.
En la misma categoría: GitDiagram, Appllama, Cloudflare MCP, Omnara, Repowise
Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.
Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi
Architecture diagrams, explanations and Mermaid source for public GitHub repositories.
Study screens, flows and paywalls from top-earning iOS apps, then build from what wins.
Cloudflare MCP servers
Deploy durable AI agents with Omnara, an open-source managed-agent platform.
Codebase intelligence for AI coding agents: graph, git history, docs, decisions, code health.
| Este LLM Provider MCP | GitDiagram | Appllama | Cloudflare MCP | Omnara | Repowise | |
|---|---|---|---|---|---|---|
| Dónde se ejecuta | Se instala en tu equipo | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | Funciona en la nube, sin instalar nada | En la nube o instalado en tu equipo |
| Necesita clave | No | No | No | No | No | No |
| Se añade con + en Claude | No | No | No | Sí | No | No |
| Revisiones básicas | 2/3 | 4/4 | 4/4 | 4/4 | 4/4 | 5/5 |
| Licencia | NOASSERTION | MIT | MIT | Apache-2.0 | Apache-2.0 | AGPL-3.0 |
| Precio | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro | Sin coste en el registro |
Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.
multi-llm-provider-go is a Go library for using hosted LLM APIs and local coding agents through a shared set of provider interfaces.
It supports two complementary ways to run a model:
The repository also includes llm-provider-mcp, an optional MCP server for delegating asynchronous work between coding agents. It is one way to expose the provider library—not the library's only use case.
Applications should be able to choose the right model and transport for each task without rebuilding their orchestration layer.
Use a direct API when you want a conventional request/response integration, predictable infrastructure, or model-level features such as structured output, embeddings, and media generation. Use a coding-agent CLI when you want an agent that can inspect a repository, edit files, run commands, and reuse an existing local subscription. Both fit behind the same Go model abstraction.
flowchart LR
App[Go application] --> Provider[Shared provider interfaces] Provider --> API[API and cloud adapters] Provider --> CLI[Local coding-agent adapters] API --> Hosted[Hosted models] CLI --> Native[SDK / app-server / RPC] CLI --> Tmux[Optional tmux sessions] Native --> Agents[Claude Code / Codex / Cursor / Pi] Tmux --> Agents MCP[Optional MCP server] --> CLI
The core InitializeLLM factory returns the same llmtypes.Model interface for text and coding-agent providers:
| Provider ID | Integration | Transport |
|---|---|---|
openai | OpenAI | OpenAI Go SDK |
anthropic | Anthropic | Anthropic Go SDK |
openrouter | OpenRouter | OpenAI-compatible API |
bedrock | AWS Bedrock | AWS SDK |
vertex | Google Vertex AI and Gemini | Google Gen AI SDK |
azure | Azure AI | Azure/OpenAI-compatible API |
z-ai | Z.AI | OpenAI-compatible API |
kimi | Kimi/Moonshot | OpenAI-compatible API |
minimax, minimax-coding-plan | MiniMax | Provider API |
claude-code | Claude Code | Agent SDK; optional tmux |
codex-cli | Codex CLI | app-server; optional tmux |
cursor-cli | Cursor Agent | Cursor SDK; optional ACP or tmux |
pi-cli | Pi | RPC |
Specialized factories expose capabilities that do not fit the text-model interface:
| Capability | Providers |
|---|---|
| Embeddings | OpenAI, OpenRouter, Vertex AI, Bedrock |
| Image generation | Vertex AI, MiniMax Coding Plan, Codex CLI |
| Video generation | Vertex AI (Veo and Gemini Omni) |
| Text to speech | Vertex AI, MiniMax, ElevenLabs, Deepgram |
| Audio transcription | Deepgram |
| Music generation | ElevenLabs, MiniMax |
Gemini models are available through Vertex AI for direct API access or through Pi as a coding agent. The old Gemini CLI adapter has been removed.
Provider support varies, but the shared interfaces cover:
Install the module:
go get github.com/manishiitg/multi-llm-provider-go@latest
The current module requires Go 1.25.12 or newer.
Initialize a provider and use the returned llmtypes.Model:
package main
import ( "context" "fmt" "log"
llmproviders "github.com/manishiitg/multi-llm-provider-go" "github.com/manishiitg/multi-llm-provider-go/llmtypes" )
func main() { model, err := llmproviders.InitializeLLM(llmproviders.Config{ Provider: llmproviders.ProviderOpenAI, ModelID: "gpt-4.1-mini", }) if err != nil { log.Fatal(err) }
response, err := model.GenerateContent( context.Background(), []llmtypes.MessageContent{ llmtypes.TextParts(llmtypes.ChatMessageTypeHuman, "Explain tmux in one sentence."), }, ) if err != nil { log.Fatal(err) }
if len(response.Choices) == 0 { log.Fatal("provider returned no choices") } fmt.Println(response.Choices[0].Content) }
Set the credential expected by the selected provider—for example, OPENAI_API_KEY for OpenAI. Credentials can also be supplied explicitly with Config.APIKeys. See the examples for streaming, tool calls, custom logging, Bedrock, and Vertex AI.
llmproviders.Config controls provider initialization:
| Field | Purpose |
|---|---|
Provider | Selects the API, cloud platform, or coding CLI |
ModelID | Selects a model; provider defaults apply when supported |
Temperature | Sets sampling temperature for providers that expose it |
APIKeys | Supplies credentials explicitly instead of using the environment |
MaxRetries | Configures retries on the selected model |
Logger / EventEmitter | Connects host logging, tracing, and model events |
Context | Controls initialization lifetime and cancellation |
Common credential sources include:
| Provider | Environment or native authentication |
|---|---|
| OpenAI | OPENAI_API_KEY |
| Anthropic | ANTHROPIC_API_KEY |
| OpenRouter | OPENROUTER_API_KEY |
| AWS Bedrock | Standard AWS credential chain and AWS_REGION |
| Vertex AI | VERTEX_API_KEY, GOOGLE_API_KEY, or Google application credentials |
| Azure AI | AZURE_AI_ENDPOINT and AZURE_AI_API_KEY |
| Z.AI / Kimi | ZAI_API_KEY, KIMI_API_KEY |
| MiniMax | MINIMAX_API_KEY or MINIMAX_CODING_PLAN_API_KEY |
| ElevenLabs / Deepgram | ELEVENLABS_API_KEY, DEEPGRAM_API_KEY |
| Coding-agent CLIs | Existing native CLI login or provider configuration |
See .env.example for common provider credentials. Model, endpoint, fallback, and test-specific variables are documented next to the provider adapters and tests that consume them.
Changing transports starts with changing the provider:
config.Provider = llmproviders.ProviderAnthropic // direct API
config.Provider = llmproviders.ProviderBedrock // cloud API config.Provider = llmproviders.ProviderCodexCLI // local coding agent config.Provider = llmproviders.ProviderCursorCLI // local coding agent
Bounded coding-agent calls can use the process working directory and a temporary session automatically. Long-lived host applications should explicitly pass CodingAgentWorkingDirOption, CodingAgentInteractiveSessionOption, and CodingAgentPersistentInteractiveOption. Provider-specific options additionally control the model, approval policy, resume ID, tools, and streaming behavior.
The coding-agent adapters turn native coding CLIs into providers without reimplementing their agent loops. They use each CLI's existing login and model access, and run in a local project with that CLI's native file and shell tools.
Native SDK and protocol transports are the defaults. Keep tmux available explicitly when a terminal session is needed:
| Provider | Default | Environment override |
|---|---|---|
| Claude Code | SDK | CLAUDE_CODE_TRANSPORT=sdk or tmux |
| Codex | app-server | CODEX_CLI_TRANSPORT=app-server or tmux |
| Cursor | SDK | CURSOR_CLI_TRANSPORT=sdk, acp or tmux |
| Pi | RPC | No terminal transport |
Set these variables on the backend and restart it. A native launch failure does not switch to tmux automatically. SDK modes require Node.js and the matching @anthropic-ai/claude-agent-sdk or @cursor/sdk package. The adapters look in the managed CLI installation prefix before the global npm prefix; explicit CLAUDE_AGENT_SDK_PATH and CURSOR_SDK_PATH overrides are also supported.
| CLI | Provider ID | Authentication |
|---|---|---|
| Claude Code | claude-code | Existing Claude Code login or scoped OAuth token |
| Codex CLI | codex-cli | Existing Codex login |
| Cursor Agent | cursor-cli | Existing Cursor login |
| Pi CLI | pi-cli | Existing Pi/provider configuration |
Requirements for the optional tmux transport:
The library exposes session lifecycle, resume, input, interrupt, pane capture, and cleanup helpers so a host application can manage coding agents as part of its own workflow.
multi-llm-provider-go/
├── providers.go # Provider IDs, configuration, initialization ├── provider_*.go # Shared provider behavior and media factories ├── interfaces/ # Logging, events, and public support contracts ├── llmtypes/ # Messages, responses, tools, streams, options ├── pkg/adapters/ # API, cloud, media, and coding-CLI adapters ├── pkg/codingagentjob/ # Durable asynchronous job execution ├── pkg/codingagentmcp/ # Optional MCP tool surface ├── pkg/tmuxcapture/ # Terminal progress capture and cleanup ├── cmd/llm-chat/ # Local provider chat client ├── cmd/llm-test/ # Manual provider contract runner └── cmd/llm-provider-mcp/ # Optional delegation MCP server
llmtypes.Model is the central text request/response interface. Additional interfaces cover embeddings, image generation, video generation, audio generation and transcription, and music generation.
llm-provider-mcp packages the coding-agent providers as a local stdio MCP server. A Codex or Claude Code host can queue work in another coding CLI, continue working, and retrieve the result later. Jobs are persisted in SQLite and executed in detached tmux sessions.
Install it in the project where you want delegation:
curl -fsSL https://raw.githubusercontent.com/manishiitg/llm-provider-mcp/main/scripts/install-mcp.sh | sh
The setup detects installed CLIs, registers selected hosts and targets for the current project, verifies authentication, and installs the delegation skill. The server is also published in the official MCP Registry as io.github.manishiitg/llm-provider-mcp.
It exposes five tools:
| Tool | Purpose |
|---|---|
list_coding_agents | List enabled targets and capabilities |
list_coding_agent_models | Discover available model selectors |
delegate_coding_agent | Start an asynchronous coding job |
get_coding_agent_job | Read progress, terminal output, or the final result |
cancel_coding_agent_job | Stop a queued or running job |
See Installation and Delegation workflow for the complete MCP workflow.