$ loading_
采集多家大模型 API 花费，并通过 MCP 提供给编码代理使用
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "LLM Usage" MCP 服务： 执行：claude mcp add 'io-github-zhaoyue722-llm-usage-mcp' -- uvx llm-usage-mcp
读取 LLM Usage 中最近 7 天的 API 花费记录，按提供商和模型汇总，并指出花费最高的项目。
返回按提供商、模型分类的花费汇总，以及高成本项目提示。
检查近期 LLM API 使用花费是否有异常波动，列出可能激增的时间段和相关模型。
输出异常时间段、涉及的模型或提供商，以及简要的成本变化说明。
基于 LLM Usage 里的花费数据，告诉我当前哪些模型或提供商成本更高，帮助我调整后续编码任务的模型选择。
给出基于花费记录的成本对比，供后续代理任务参考。
开发者在同时使用多个大模型提供商时，可以用它统一采集 API 花费，并让编码代理直接读取这些成本数据。这样更容易了解不同模型的使用开销。
在使用支持 MCP 的编码代理时，团队可以把该工具作为成本数据来源，让代理在分析或建议时参考已有的 LLM 花费记录。适合关注预算与效率平衡的场景。
对希望优先在本地管理模型使用数据的团队来说，这个工具可用于本地采集 LLM API 支出，并通过 MCP 暴露给其他开发流程。适合重视本地控制的数据跟踪场景。
它是一个本地优先、支持多提供商的 MCP 工具，用于采集 LLM API 花费，并把这些数据提供给编码代理使用。
是的，原始描述明确说明它是 multi-provider 工具。但具体支持哪些提供商，给定素材没有说明，见源码仓库。
已知它通过 MCP 向编码代理暴露数据，但具体安装步骤、运行环境或密钥要求，给定素材没有说明，见源码仓库。
让编码代理把样板生成与摘要等限定文本任务分流给本地或低成本模型。
智能分配本地与远程模型处理编程任务，并支持基准测试与代码检索。
在本地离线运行 Llama 模型，安全私密地完成各类 AI 助手任务。
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。
帮助多租户团队分摊并追踪大模型调用成本
在 Mac 本地发起多模型协商与综合，辅助编码工具完成更稳健的 LLM 决策。