$ loading_
在多家大模型与 MCP 服务间智能路由请求，并兼顾本地隐私记忆与嵌入处理。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-llm-router" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请把 Claude 用于长文本总结、把本地模型用于敏感内容改写、把 GPT 用于最终润色，并给出一套基于 mcp-llm-router 的路由配置思路。
一套多模型分流方案，说明不同任务如何分配到不同提供方与模型。
设计一个工作流：先用搜索类 MCP 工具收集资料，再交给大模型总结，最后写入本地记忆库；请说明如何通过 mcp-llm-router 串联这些步骤。
一个 MCP 编排流程，包含步骤顺序、调用关系以及数据在各节点间的流转方式。
我想让嵌入和长期记忆都保留在本地，只把非敏感请求发到云端模型。请基于 mcp-llm-router 给出架构建议和安全边界说明。
一套隐私优先的系统架构建议，明确本地与云端分别处理哪些数据与任务。
聚合多个MCP服务并智能路由工具，帮助用户高效并行完成检索与调用。
通过 MCP 将大模型请求转发到兼容 OpenAI 的服务提供商。
将摘要、代码补丁等低风险任务委派给低成本模型并由主代理复核。
通过统一加密网关接入多家大模型，并提供密钥、检索与共享状态工具
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。
在终端统一调用多家AI模型，完成文本、图像、视频生成与搜索对比。