LLM Pricing

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

• การเชื่อมต่อ: บนเครื่องหรือคลาวด์
• ช่องทาง (transport): stdio, Streamable HTTP
• หมวด: ค้นข้อมูลและความจำของ AI
• ต้องใส่ค่าเหล่านี้: LLM_PRICING_API_KEY

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ต้องเตรียมก่อน

• รันบนคลาวด์ไม่ต้องลงโปรแกรมเพิ่ม ต่อผ่านอินเทอร์เน็ตได้เลย
• npmติดตั้ง Node.js (มีคำสั่ง npx) ในเครื่อง

คุณใช้แอปไหน

https://llm-pricing-api.fly.dev/mcp

{
  "mcpServers": {
    "llm-pricing": {
      "command": "npx",
      "args": [
        "-y",
        "llm-pricing-mcp"
      ],
      "env": {
        "LLM_PRICING_MCP_URL": "ใส่ค่าของคุณ",
        "LLM_PRICING_MCP_TIMEOUT_MS": "ใส่ค่าของคุณ",
        "LLM_PRICING_API_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

claude mcp add --transport http llm-pricing https://llm-pricing-api.fly.dev/mcp

claude mcp add llm-pricing --env LLM_PRICING_MCP_URL='ใส่ค่าของคุณ' --env LLM_PRICING_MCP_TIMEOUT_MS='ใส่ค่าของคุณ' --env LLM_PRICING_API_KEY='ใส่ค่าของคุณ' -- npx -y llm-pricing-mcp

{
  "mcpServers": {
    "llm-pricing": {
      "url": "https://llm-pricing-api.fly.dev/mcp"
    }
  }
}

{
  "mcpServers": {
    "llm-pricing": {
      "command": "npx",
      "args": [
        "-y",
        "llm-pricing-mcp"
      ],
      "env": {
        "LLM_PRICING_MCP_URL": "ใส่ค่าของคุณ",
        "LLM_PRICING_MCP_TIMEOUT_MS": "ใส่ค่าของคุณ",
        "LLM_PRICING_API_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

{
  "servers": {
    "llm-pricing": {
      "type": "http",
      "url": "https://llm-pricing-api.fly.dev/mcp"
    }
  }
}

{
  "servers": {
    "llm-pricing": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "llm-pricing-mcp"
      ],
      "env": {
        "LLM_PRICING_MCP_URL": "ใส่ค่าของคุณ",
        "LLM_PRICING_MCP_TIMEOUT_MS": "ใส่ค่าของคุณ",
        "LLM_PRICING_API_KEY": "ใส่ค่าของคุณ"
      }
    }
  }
}

https://llm-pricing-api.fly.dev/mcp

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

• LLM_PRICING_MCP_URL env
  Upstream MCP endpoint to bridge to. Defaults to the hosted server; set to point at a self-hosted instance.
• LLM_PRICING_MCP_TIMEOUT_MS env
  Per-request timeout to the upstream server, in milliseconds.
• LLM_PRICING_API_KEY ความลับ env
  Optional service API key (POST /billing/signup), sent as x-api-key. Only the usage and budget tools need it; they then act on your own org.

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

ชื่อและคำอธิบายเครื่องมือตามที่ server ตอบมาเมื่อ 7 พ.ย. 2569 ผู้ทำเป็นคนเขียน ไม่ใช่เรา แสดงเป็นข้อความล้วน

• get_all_pricing

  Get current pricing for all LLM models from all providers

• estimate_cost

  Estimate the cost of using a specific LLM model

• compare_costs

  Compare costs for multiple LLM models. Every named model is priced; pass client (e.g. 'claude_code') to also flag each model runnable_in_client (it never filters here). Recognised clients: claude_code, claude_desktop, cursor, github_copilot, windsurf, cline, continue, zed, jetbra

• get_performance_metrics

  Get performance metrics (throughput, latency, context window) for models

• get_use_cases

  Get recommended use cases and strengths for LLM models

• get_telemetry

  Get MCP server telemetry and usage statistics including tool usage, response times, and error rates

• get_pricing_history

  Query historical pricing snapshots recorded over time. Use this to look up past prices for a model or provider, or to see how prices have changed over a given number of days.

• get_pricing_trends

  Find models whose prices changed the most over a given period. Returns models sorted by absolute percentage price change with a direction label ('increased', 'decreased', or 'unchanged'). Use this to answer questions like 'which models got cheaper this month?' or 'which providers

• register_price_alert

  Register a webhook URL to receive notifications when a model's price changes by more than a specified percentage. Optionally scope the alert to a specific provider or model. Returns the alert ID and a one-time alert_token needed to view or delete it via manage_price_alert.

• list_price_alerts

  List all registered price-change webhook alerts with their IDs and settings. Operator only: needs the server operator's key (MCP_API_KEY) on the MCP connection (x-api-key or Authorization: Bearer); any other caller, including the chat agent and the local STDIO server, gets error_

• delete_price_alert

  Delete a registered price-change alert by its ID. Operator only: needs the server operator's key (MCP_API_KEY) on the MCP connection (x-api-key or Authorization: Bearer); any other caller, including the chat agent and the local STDIO server, gets error_code operator_key_required.

• manage_price_alert

  View or delete the one price-change alert you registered, using the alert_token that register_price_alert returned once. No API key needed: the alert_token is the credential and is scoped to exactly that alert. action 'view' returns its id, url, threshold_pct, provider, model_nam

• get_pricing_export_url

  Generate a download URL for the pricing history export. Returns a URL the user can open in their browser to download snapshot history as CSV (for spreadsheets) or JSON (for code). Use this when the user asks to export, download, or save pricing data.

• list_conversations

  List stored chat conversation sessions with their IDs, last-updated timestamp, turn count, and a preview of the most recent user message. Use this when the user asks to see their past conversations or chat history. Operator only: needs the server operator's key (MCP_API_KEY) on t

• delete_conversation

  Delete a specific chat conversation by its ID. Use when the user asks to delete, clear, or remove a past conversation. Use list_conversations first to find the conversation ID. Operator only: needs the server operator's key (MCP_API_KEY) on the MCP connection (x-api-key or Author

• get_ide_pricing

  Get subscription pricing for AI coding IDE tools: GitHub Copilot, Cursor, Windsurf, Claude.ai, JetBrains AI, Amazon Q Developer, and Tabnine. Returns monthly subscription cost, inline completion support, context window, and per-tool strengths. Use this when the user asks to compa

• predict_cost

  Predict the real cost of an LLM call from your actual prompt text — no need to know token counts in advance. Counts tokens locally, infers the task type (or accepts one explicitly), estimates output length from empirical I/O profiles, and returns all models ranked cheapest-first

• optimize_workload

  Optimise a multi-task LLM workload by assigning the cheapest qualifying model to each task instead of running everything through one model. Takes a list of workloads (task type + monthly volume + optional quality floor and capability requirements) and returns a per-task model all

• recommend_model

  Recommend the optimal LLM model from a free-text description of your use case — no need to already know the routing engine's task_type vocabulary. Classifies the description into a task type, then runs it through the same routing engine behind /router/recommend (live pricing + be

• check_price_drift

  Audit this server's own pricing data against an external reference registry. Prices here are hand-maintained and go stale silently; a price that disagrees with the registry by more than the threshold is automatically withheld from serving the moment it's detected, not just when t

• get_data_quality

  Report an aggregate accuracy summary for the pricing catalogue: what percentage of models have a confirmed, fresh price, how many are currently withheld due to price drift, how many are newly discovered and not yet priced, and how many confirmed prices are over 90 days old. A sin

• get_cache_stats

  Report process-lifetime hit/miss counts, total lookups, and hit rate for the ~5-minute recommendation cache, separately for the recommend_model tool and POST /router/recommend (never combined). Server-operations introspection for confirming the cache is reducing recomputation in

• record_usage

  Record actual token usage for a completed LLM call. Cost is computed server-side from current pricing, never trusted from the caller — this is the 'actual spend' counterpart to estimate_cost's hypothetical numbers. Usage is attributed to your org. Resubmitting the same request_id

• get_usage_summary

  Get a summary of actual recorded LLM spend: total cost, request count, and breakdowns by model and provider, from usage events previously logged via record_usage. Use when the user asks what they've actually spent, as opposed to a hypothetical cost estimate. Requires your service

• analyze_session_usage

  Analyze one specific session's actual recorded LLM usage (tagged via record_usage's session_id) on demand: total input/output tokens, total actual cost, and a per-model breakdown if more than one model was used. Also runs the session's own observed token pattern through the same

• import_session_usage

  Bulk-import a completed session's usage in a single call — the retroactive counterpart to record_usage, for when a session wasn't instrumented live. Use when a calling agent (e.g. VS Code Copilot Chat) already has a session's turn-by-turn history in its own local store and wants

• register_budget_alert

  Register a webhook URL to receive notifications when actual recorded spend (from record_usage) crosses a USD threshold within a rolling window. The alert monitors your org's spend. Fires at most once per period_days while spend stays over threshold. Returns the alert ID. Requires

• list_budget_alerts

  List your org's registered budget-spend webhook alerts with their IDs and settings. Requires your service API key on the MCP connection (x-api-key or Authorization: Bearer); only alerts for that key's org are returned.

• delete_budget_alert

  Delete one of your org's registered budget-spend alerts by its ID. Requires your service API key on the MCP connection (x-api-key or Authorization: Bearer); another org's alert ID reads as not found.

• dispatch

  Send a text chat request through the dispatch gateway: it applies your policy, runs the best eligible model, and returns the completion, usage and the full dispatch_receipt (chosen model, reason, cost, savings, attempts) — the same as POST /v1/chat/completions with a `dispatch` o

• ask_agent

  Ask the LLM Pricing AI agent a question in natural language. Use for complex queries about pricing, model recommendations, cost optimisation advice, or anything that benefits from multi-step reasoning.

• support_chat

  Ask the customer support assistant about THIS service: plans and prices, signing up, upgrading or cancelling, invoices, service API keys (rotation, lost key), rate limits, connecting over MCP or REST, data accuracy, and how to reach the owner. Answers come only from the published

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 9 พ.ย. 2569

• ✓ ผ่าน

  ตัวตนผู้ทำตรงกับ repo

  ชื่อใน registry ยืนยันด้วยบัญชี GitHub skakumanu ซึ่งเป็นเจ้าของ repo

• … ยังไม่ตรวจ

  ยังมีคนดูแล

  ยังไม่ได้อ่านข้อมูล repo จาก GitHub

• … ยังไม่ตรวจ

  มีสัญญาอนุญาต (license)

  ยังไม่ได้อ่านข้อมูล repo จาก GitHub

• ✓ ผ่าน

  endpoint ตอบ

  ตอบกลับใน 162 ms (HTTP 200)

• – ไม่เกี่ยว

  ล็อกอินแบบ OAuth

  ไม่ต้องล็อกอิน

• ✓ ผ่าน

  คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

  อ่านคำอธิบายเครื่องมือ 32 ตัวแล้ว ไม่พบคำสั่งแอบแฝงถึง AI

เทียบกับตัวอื่นในหมวด ค้นข้อมูลและความจำของ AIi

• ดาวมากกว่า 0% ของอีก 5763 ตัวในหมวดนี้
• ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 78% ของอีก 5763 ตัวในหมวดนี้
• ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 5763 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:↓ ดาวน์โหลดต่อสัปดาห์i★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

README จากผู้ทำ

https://llm-pricing-api.fly.dev/mcp

{

pip install -r requirements.txt