ComparEdge LLM Cost

Name: ComparEdge LLM Cost
Author: comparedge

作者：comparedgeバージョン 1.0.0i★ –iパソコンで動く

レジストリ名io.github.imkemit-ops/comparedge-llm-cost

インストール

概要

作者による説明（英語の原文）

Token cost math for LLM API calls: verified per-1M-token rates for 69 models, 17 providers.

PopNx MCPの3つの柱

この3つを1つのスコアにまとめることはしません。意見、測定、人気はそれぞれ別のものだからです。

利用者の声iレビューはまだありませんレビューは今後のステップで、アカウント機能と一緒に始まります
私たちの基本チェックi1項目中0項目に合格公開情報からチェック。コードはまだスキャンしていません
利用状況i未計測★ –

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

接続方法: パソコンで動く
トランスポート: stdio
カテゴリ: 検索・AIの記憶

インストール

使っているAIアプリを選んで、設定をコピーしてください。

インストールの前に

基本チェック：1項目中0項目に合格
あなたのパソコンで、あなたのユーザーと同じ権限（ファイル、ネットワーク、アプリ）で動きます。
レジストリには、入力が必要なキーは載っていません。

必要なもの

npmNode.jsのインストール（npxコマンドに必要）

どのアプリを使っていますか？

ClaudeClaude CodeCursorVS CodeChatGPT

上でアプリを選んでください。選んだアプリを覚えておくので、次からはボタンに「…にインストール」と表示されます。

Claude Desktop → Settings → Developer → Edit Config を開き、claude_desktop_config.json にこれを貼り付けます

{
  "mcpServers": {
    "comparedge-llm-cost": {
      "command": "npx",
      "args": [
        "-y",
        "@comparedge/llm-cost-mcp"
      ]
    }
  }
}

ターミナルでこれを実行します

claude mcp add comparedge-llm-cost -- npx -y @comparedge/llm-cost-mcp

Cursorで開く

または、設定を自分でコピーする

プロジェクトの .cursor/mcp.json、または ~/.cursor/mcp.json に貼り付けます

{
  "mcpServers": {
    "comparedge-llm-cost": {
      "command": "npx",
      "args": [
        "-y",
        "@comparedge/llm-cost-mcp"
      ]
    }
  }
}

ブラウザがアプリを開いてよいか確認し、そのあとアプリが設定を表示して確認を求めます。キーの値は空欄のままなので、自分で入力してください。

VS Codeで開く

または、設定を自分でコピーする

プロジェクトの .vscode/mcp.json に貼り付けます

{
  "servers": {
    "comparedge-llm-cost": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@comparedge/llm-cost-mcp"
      ]
    }
  }
}

これはパソコンで動くサーバーですが、ChatGPTがつなげるのはインターネット上のサーバーだけです。ほかのアプリを選んでください。

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月7日にチェック

! 注意
作者とリポジトリが一致
公開者（imkemit-ops）がリポジトリの所有者（comparedge）ではありません。別の人が登録した可能性があります
… 未チェック
今もメンテナンスされている
このリポジトリはまだGitHubから読み取っていません
… 未チェック
ライセンスがある
このリポジトリはまだGitHubから読み取っていません
– 対象外
エンドポイントが応答する
これはパソコンで動くため、インターネット上のエンドポイントはありません
– 対象外
OAuthでサインイン
パソコンで動き、代わりにローカルの設定を使います
… 未チェック
ツールの説明に隠れた指示がない
パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

検索・AIの記憶のほかのサーバーとの比較i

このカテゴリのほかの7271件のうち0%よりスターが多い
このカテゴリのほかの7271件のうち21%より最近レジストリに公開
基本チェックの結果が、このカテゴリのほかの7271件のうち31%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

ComparEdge LLM Costは安全ですか？

当てはまる基本チェック1項目のうち0項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか？

レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。

パソコンで動きますか、それともクラウドですか？

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません（サーバー自体がオンラインサービスを呼び出す場合を除きます）。

今もメンテナンスされていますか？

GitHubリポジトリの最終更新は–、最新バージョン（1.0.0）がレジストリに届いたのは4 か月前です。

どのアプリで使えますか？

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにNode.jsも必要です。

代わりに使えるものは？

同じカテゴリには：Context7, Codebase Memory, Exa

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

Context7

作者：upstash

Up-to-date docs for AI agents

パソコンでもクラウドでも★ 64,224MIT昨日更新

インストール

Codebase Memory

作者：DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

パソコンで動く★ 48,148MIT21 日前更新

インストール

Exa

作者：exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

クラウドで動く★ 5,213MIT先月更新

インストール

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

Someone asks what the AI feature will cost at scale, and the honest answer around most teams is a shrug. Rates moved twice since anyone last checked, and the model itself will happily quote prices from its training data. This MCP server keeps current per-million-token rates for 69 models where your assistant can reach them, and does the arithmetic itself.

Watch it work

$ You: price Claude Opus 4.8 on a 25k-token prompt with a 1k answer, run 5,000 times

llm-cost › estimate_cost

Cost estimate: Claude Opus 4.8 (Anthropic) Rates: input $5/1M, output $25/1M, cached input $0.5/1M

Per call (25,000 in + 1,000 out tokens): input: $0.1250 output: $0.0250 per call total: $0.1500

Across 5,000 calls: $750.00

Ways to pay less for the same 5,000 calls: with cached input: $187.50 via batch API: $375.00

Nothing here is rounded or guessed. The rate is verified, date-stamped, and the server multiplied.

Open a second session: same call across four models, ranked

$ You: compare that call on Opus 4.8, Sonnet 5, GPT-5.6 Terra and Gemini 3.1 Pro

llm-cost › compare_models_cost

25,000 in + 1,000 out, cheapest first:

Claude Sonnet 5 $0.0600 /call $300.00 /5k
Gemini 3.1 Pro $0.0620 /call $310.00 /5k
GPT-5.6 Terra $0.0775 /call $387.50 /5k
Claude Opus 4.8 $0.1500 /call $750.00 /5k

Ranking uses each model's live feed entry, not remembered prices.

The gap it closes

An assistant on its own	An assistant with llm-cost
quotes output rates from training data, often a generation stale	reads the current rate, dated
flattens the estimate to "a few cents"	`$0.1500` per call, `$750.00` across 5,000
never mentions batch or caching discounts	`$375.00` batch, `$187.50` cached, only where the model really offers them
confidently wrong, no way to tell	every figure traces to a feed entry with a verification date

The same numbers answer in a browser through the LLM calculator, and the LLM category hub ranks every tracked model by rating and price.

Where the numbers travel

flowchart LR

V["provider pricing pages 17 providers"] --> CE["verification date-stamped checks"] CE --> F["model prices feed 69 models, USD per 1M tokens"] F -->|"6h cache, serve stale on failure"| MCP["llm-cost server local arithmetic"] MCP --> A["your agent"]

The server never calls a provider API. It reads one public feed, llms-model-prices.json, and computes locally. Nothing to rate-limit, no key to leak, and a network hiccup serves the last good copy instead of an error. How each price gets checked is written up in the methodology, and the catalog behind it ships as an open dataset under CC BY 4.0.

The six tools

Four do the math. Two help you find the exact model id the math wants.

Tool	Answers	Params
`estimate_cost`	one call, or N identical calls, in dollars	`model`, `input_tokens`, `output_tokens`, `calls?`
`compare_models_cost`	the same call priced across 2 to 6 models	`models[]`, `input_tokens`, `output_tokens`
`monthly_budget`	daily, monthly, yearly spend for a workload	`model`, `daily_calls`, `avg_input_tokens`, `avg_output_tokens`
`cheapest_models`	lowest-cost models, optional context floor	`min_context?`, `limit?`
`list_models`	every model with rates, context and tier	`provider?`
`list_providers`	providers with model counts and cheapest pick	none

Token rules of thumb, for when nobody knows the counts

A page of English prose is roughly 500 tokens; one token is about four characters.
Model references are forgiving: claude-opus-4-8, Opus 4.8 and anthropic/opus resolve to the same model. When the resolver is unsure, it returns candidates instead of guessing.
cheapest_models ranks by a blended rate weighting input to output 3 to 1, because real workloads read far more than they write. Confirm the winner with estimate_cost on your actual split.

Prompts

Prompt	Args	Runs
`estimate_my_workflow`	`workflow`, `model?`	token estimates plus per-run and monthly cost for a described workflow
`pick_cheapest_model`	`task`	cheapest model that still meets the requirement, top candidates priced
`forecast_ai_budget`	`model`, `usage`	monthly and yearly bill projected from expected volume

Wire it up

"mcpServers": { "llm-cost": { "command": "npx", "args": ["-y", "@comparedge/llm-cost-mcp@latest"] } } }

Claude Desktop keeps this file at ~/Library/Application Support/Claude/claude_desktop_config.json. Cursor: Settings, then MCP. VS Code with Copilot reads .vscode/mcp.json. Restart the client; six tools appear. No API key, no account. Per-client walkthroughs live in the setup guide.

Family

Built by ComparEdge, where software prices are checked against vendor pages before anyone quotes them. Two siblings share the data: the full catalog server and a price-change watcher, both on ComparEdge MCP.

MIT licensed. JSON-RPC 2.0 over stdio, standard Model Context Protocol.

ComparEdge LLM Cost

概要

PopNx MCPの3つの柱

できること

インストール

インストールの前に

できること

基本チェックi

作者とリポジトリが一致

今もメンテナンスされている

ライセンスがある

エンドポイントが応答する

OAuthでサインイン

ツールの説明に隠れた指示がない

検索・AIの記憶のほかのサーバーとの比較i

よくある質問

代わりの候補

Context7

Codebase Memory

Exa

作者のREADME

Watch it work

The gap it closes

Where the numbers travel

The six tools

Prompts

Wire it up

Family