Claude调一次几毛钱？这个 MCP 把你的AI调用先过一遍本地模型，省下的都是利润

最近在跑 AI 项目，Claude Sonnet 调一次几毛钱、GPT-4o 调一次几块钱——云端推理的成本，比我想象中贵太多。

如果你也有这个痛点，今天这个 Skill 值得了解一下。

它是干嘛的

Local Model Suitability MCP 是一个 MCP 协议服务器，核心功能只有一个：在你每次发起云端 AI 调用之前，帮你判断这个任务能不能用本地模型搞定。

换句话说，它是你的 AI 路由决策大脑。每次你要调 Claude 或者 GPT 之前，先问它一句：”这事本地模型能办吗？”

如果答案是 LOCAL，就直接走 Ollama / LM Studio / llama.cpp，省下云端账单；如果答案是 CLOUD，才老老实实调云端 API。

怎么工作的

它提供两个关键参数让你输入任务描述和质量要求，然后返回一个判断：

• verdict：LOCAL 或 CLOUD
• confidence：HIGH / MEDIUM / LOW
• reason：判断理由
• recommended_local_models：推荐哪些本地模型能handle这个任务
• estimated_cost_saving：这次省了多少钱

举个例子，你要让模型做一段文字摘要，它会分析任务复杂度、隐私要求，然后告诉你：”任何 7B 以上本地模型都能搞定，预计省 $0.002–0.008。”

直接推荐你用 llama3.2:8b、mistral-7b 或者 phi3:medium。

实际怎么用

在 Smithery 上接入：

npx -y local-model-suitability-mcp

或者用 HTTP 远程接入（适合服务端部署）：

{
  "mcpServers": {
    "local-model-suitability": {
      "type": "http",
      "url": "https://local-model-suitability-mcp-production.up.railway.app"
    }
  }
}

支持 LangChain / LangGraph 生态，集成成本极低。

价格怎么样

免费层每月 20 次调用，对于个人开发调试够用了。付费档分别是：

• Starter：$20 / 500 次调用
• Pro：$70 / 2000 次调用

按需购买，对于日均调用量大的开发者来说，回本很快。

什么人适合用

如果你正在用 AI 写代码、跑自动化流程，或者在做一个有成本压力的 AI 产品，这个 MCP 能帮你省不少钱。尤其是那种”其实本地模型就够用”的简单任务，没必要次次都调云端贵的模型。

另外，如果你有数据隐私要求（比如处理内部文档），它还有个硬逻辑：CONFIDENTIAL 级别强制走本地，数据永远不出机器。

作者今天刚更新了仓库，还是热乎的，有兴趣的建议先占坑试试。

GitHub：https://github.com/OjasKord/local-model-suitability-mcp

GitHub: https://github.com/OjasKord/local-model-suitability-mcp