$ loading_
将 ModelRadar 目录接入 CLI 或代理，实现模型发现、推荐与路由调用。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ModelRadar 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。
使用 ModelRadar MCP，根据“重构一段 Python 异步爬虫代码并补充单元测试”的需求，推荐 3 个最合适的模型，并说明各自的速度、成本和代码能力差异。
返回适合编码任务的模型推荐列表，并附上选择理由与对比说明。
通过 ModelRadar MCP 将我的 CLI 任务路由到最适合长上下文总结的模型，执行“总结这个包含 20 万字技术文档的关键结论”，并输出所选模型与调用结果。
输出被选中的模型、路由原因，以及总结任务的执行结果。
基于 ModelRadar MCP，为我的 AI 代理设计一个低成本优先的模型路由策略：简单问答用便宜模型，复杂推理用高质量模型，并给出可执行的配置建议。
给出分层模型路由方案，说明不同任务类型对应的模型选择与配置方法。
实时测速并排行多家免费编程模型，帮助快速选择当前最快可用模型。
实时查询主流大模型的价格、能力与上下文窗口信息。
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。
为 Cursor 中的任务与仓库分析提供智能模型推荐与选型建议。
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。
帮助 AI 助手按任务自动查找、筛选并排序合适的 OpenRouter 模型