$ loading_
为编码代理匹配最合适的 AI 模型并参考实时订阅与基准数据
复制安装指令，让 AI 自动完成配置 · 推荐新手
"model-advisor-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请根据当前可用的 OpenCode 订阅模型，结合 OpenRouter 的基准与推理能力，为我的代码代理推荐最合适的模型，并说明理由。
返回适合代码代理的模型推荐，并附上选择依据与对比说明。
请列出我可用的候选模型，并按编码任务适配度、推理能力和基准表现进行比较，最后给出首选方案。
输出候选模型清单、对比维度和最终推荐结果。
我有不同的编码代理，请分别为它们推荐最合适的模型，并基于实时订阅数据与 OpenRouter 信息解释差异。
按代理类型给出模型建议，并说明各自更适合的原因。
开发者在搭建或调整编码代理时，可用它结合实时订阅可用性与模型能力信息做选型。这样能更快确定更适合特定编码任务的模型。
当团队的 OpenCode 订阅可用模型会变化时，这个工具可基于实时数据给出推荐，而不是只依赖静态经验。适合需要随时更新模型选择的场景。
研究或评估不同模型时，可借助它把 OpenRouter 的基准与推理能力信息纳入比较。这样更便于为编码代理做有依据的模型决策。
它用于帮助 LLM 为各类编码代理选择更合适的 AI 模型。依据包括 OpenCode 订阅中的实时数据，以及 OpenRouter 提供的基准和推理能力信息。
已知它会获取 OpenCode 订阅的实时数据，并与 OpenRouter 的基准和推理能力信息进行匹配。更具体的数据字段和实现方式见源码仓库。
它不是仅凭固定经验给出建议，而是结合实时订阅可用性与外部模型能力信息来推荐。这样更适合为编码代理做动态、基于数据的模型选择。
帮助用户跨平台比较并选择最合适的 AI 模型，评估价格、性能与能力。
按任务类型和基准分数自动挑选最合适的 AI 模型
基于 MCP 与 Claude 提供智能上下文感知代码审查与改进建议。
帮助 AI 助手按任务自动查找、筛选并排序合适的 OpenRouter 模型
将标准化 MCP 工具转发给编码代理，便于发起、续接与检查编程任务会话。
让 AI 编码代理自动读取 GitHub 仓库的 AGENTS.md，快速理解代码规范与项目约定。