Permet à un agent IA de vérifier si les ID de modèles LLM sont obsolètes ou retirés et de trouver les remplacements recommandés auprès des principaux fournisseurs.
Aussi connu sous hivemindunit/llmintel-mcp, model-lifecycle, @llmintel/mcp
- Étoiles
- 1
- Outils
- 5
- Téléchargements, 30 jours
- 695
- Dernière version
- 0.2.0
- Dernier commit
- 20 oct. 2026
- Licence
- MIT
Qu'est-ce que LLMIntel Model Lifecycle MCP ?
LLMIntel Model Lifecycle est un serveur MCP. Permet à un agent IA de vérifier si les ID de modèles LLM sont obsolètes ou retirés et de trouver les remplacements recommandés auprès des principaux fournisseurs. Il expose 5 outils, comme check_model, list_retiring_models, suggest_replacement.
Résumé généré à partir du README du projet
À propos du MCP server LLMIntel Model Lifecycle
LLMIntel Model Lifecycle aide les développeurs et les agents IA à vérifier si des ID de modèles de langage de grande taille spécifiques sont toujours actifs ou ont été retirés. Il fournit une recherche en temps réel pour éviter que le code n'utilise des modèles obsolètes qui ne répondent plus aux appels API. Le serveur agrège les données des principaux fournisseurs, notamment OpenAI, Anthropic, Azure AI Foundry, AWS Bedrock, Google et Cohere, en analysant leurs pages officielles de dépréciation.
Les utilisateurs peuvent exécuter ce serveur localement via npx ou se connecter à un endpoint HTTP hébergé. Aucune inscription ni clé API n'est requise pour une utilisation standard, bien qu'une clé optionnelle puisse augmenter les limites de débit. Le système inclut des outils tels que check_model pour vérifier un ID unique, list_retiring_models pour voir les expirations à venir, et suggest_replacement pour trouver les successeurs recommandés. Il est conçu pour être utilisé au sein d'hôtes MCP tels que Cursor, Claude Desktop ou Claude Code.
Ce que vous pouvez faire avec
- 1Vérifier la validité des modèles dans le codeUn agent peut scanner une base de code pour s'assurer que tous les identifiants de modèles sont actuellement pris en charge et ne sont pas retirés.
- 2Identifier les expirations de modèles à venirUn développeur peut demander une liste des modèles dont l'arrêt est prévu dans un délai spécifique.
- 3Trouver des remplacements de modèles appropriésLorsqu'un modèle est obsolète, l'agent peut trouver le successeur officiel recommandé par le fournisseur.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer LLMIntel Model Lifecycle MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller LLMIntel Model Lifecycle MCP dans Claude Code
$ claude mcp add --env 'LLMINTEL_API_KEY=<YOUR_LLMINTEL_API_KEY>' model-lifecycle -- npx -y @llmintel/mcpInstaller LLMIntel Model Lifecycle MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"model-lifecycle": {
"command": "npx",
"args": [
"-y",
"@llmintel/mcp"
],
"env": {
"LLMINTEL_API_KEY": "<YOUR_LLMINTEL_API_KEY>"
}
}
}
}Installer LLMIntel Model Lifecycle MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"model-lifecycle": {
"type": "stdio",
"command": "npx",
"args": [
"-y",
"@llmintel/mcp"
],
"env": {
"LLMINTEL_API_KEY": "<YOUR_LLMINTEL_API_KEY>"
}
}
}
}Installer LLMIntel Model Lifecycle MCP dans VS Code CLI
$ code --add-mcp '{"name":"model-lifecycle","type":"stdio","command":"npx","args":["-y","@llmintel/mcp"],"env":{"LLMINTEL_API_KEY":"<YOUR_LLMINTEL_API_KEY>"}}'Installer LLMIntel Model Lifecycle MCP dans Claude Desktop
claude_desktop_config.json
{
"mcpServers": {
"model-lifecycle": {
"command": "npx",
"args": [
"-y",
"@llmintel/mcp"
],
"env": {
"LLMINTEL_API_KEY": "<YOUR_LLMINTEL_API_KEY>"
}
}
}
}Installer LLMIntel Model Lifecycle MCP dans Codex
$ codex mcp add model-lifecycle --env 'LLMINTEL_API_KEY=<YOUR_LLMINTEL_API_KEY>' -- npx -y @llmintel/mcpInstaller LLMIntel Model Lifecycle MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.model-lifecycle] command = "npx" args = ["-y", "@llmintel/mcp"] [mcp_servers.model-lifecycle.env] LLMINTEL_API_KEY = "<YOUR_LLMINTEL_API_KEY>"
Installer LLMIntel Model Lifecycle MCP dans Gemini CLI
$ gemini mcp add -s user -e 'LLMINTEL_API_KEY=<YOUR_LLMINTEL_API_KEY>' model-lifecycle npx -- -y @llmintel/mcpInstaller LLMIntel Model Lifecycle MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"model-lifecycle": {
"command": "npx",
"args": [
"-y",
"@llmintel/mcp"
],
"env": {
"LLMINTEL_API_KEY": "<YOUR_LLMINTEL_API_KEY>"
}
}
}
}Outils MCP LLMIntel Model Lifecycle 5
Détectés depuis le READMEcheck_modellist_retiring_modelssuggest_replacementsearch_modelsrecent_lifecycle_changes
| check_model | — | |
| list_retiring_models | — | |
| suggest_replacement | — | |
| search_models | — | |
| recent_lifecycle_changes | — |
Configuration
LLMINTEL_API_KEYSecretOptional. The catalog is public and needs no key; supplying one only raises the rate-limit budget.
LLMINTEL_BASE_URLOptional. Override the catalog origin (defaults to https://llmintel.ai). Useful for self-hosted or staging deployments.
| Nom | Description | Type |
|---|---|---|
| LLMINTEL_API_KEY | Optional. The catalog is public and needs no key; supplying one only raises the rate-limit budget. | Secret |
| LLMINTEL_BASE_URL | Optional. Override the catalog origin (defaults to https://llmintel.ai). Useful for self-hosted or staging deployments. |
Vérifications automatisées
Exécuté le 12 nov. 2026Rapport complet →A passé nos vérifications automatisées. Il ne s'agit pas d'un audit de sécurité : lisez le code et donnez au serveur l'accès le plus restreint dont il a besoin. Fonctionnement des vérifications
- Dépôt source lié et accessibleRéussi
- Licence open source (OSI)Réussi
- Commit ou version publiée au cours de l'année écouléeRéussi
- Nom du package non proche d'un package populaireRéussi
- L'endpoint distant utilise HTTPSRéussi
- Les outils destructifs sont étiquetésRéussi
- Aucune instruction cachée destinée au modèleRéussi
- Aucun avis critique dans le package ou ses dépendancesRéussi
README
Voir sur GitHub@llmintel/mcp
An MCP server that tells your coding agent whether a model id is safe to use.
LLMs are trained on a snapshot of the world and will confidently write gpt-4-32k into your code
long after it stops answering. This server gives the agent a live lookup for whether a model is
deprecated and when it stops working. It returns the replacement too. Answers are normalized across
OpenAI, Anthropic, Azure AI Foundry, AWS Bedrock, Google, and Cohere, and parsed from each
provider's own deprecation pages.
No API key, no signup. The catalog is public.
Install
Add it to any MCP host. The package runs straight from npm via npx.
Cursor
In .cursor/mcp.json:
{
"mcpServers": {
"llmintel": {
"command": "npx",
"args": ["-y", "@llmintel/mcp"]
}
}
}
Claude Code
claude mcp add llmintel -- npx -y @llmintel/mcp
Claude Desktop
Same shape as the Cursor block above, in claude_desktop_config.json.
Hosted endpoint (no install)
The same five tools are served over Streamable HTTP at https://llmintel.ai/v1/mcp. Hosts that take
a URL need no Node and no package:
{
"mcpServers": {
"llmintel": {
"url": "https://llmintel.ai/v1/mcp"
}
}
}
The endpoint is stateless and read-only. It answers from the same catalog the npm package queries.
Tools
| Tool | Returns |
|---|---|
check_model |
Whether one model id is safe to use: lifecycle state, the retirement deadline in days, the replacement, and the source link. |
list_retiring_models |
What breaks in the next 180 days (default; configurable up to 1095). Past-due models are listed first, then upcoming ones soonest-first. |
suggest_replacement |
The provider's own recommendation for what to move to. Falls back to same-provider active models when none was published. |
search_models |
Catalog search filtered by provider and lifecycle state. |
recent_lifecycle_changes |
The change feed across all providers, for questions like "what was deprecated this month". |
Example
You: Before we ship this, check the model ids in
src/agents/.
The agent calls check_model for each one and gets back:
DO NOT USE — this model is retired; API calls to it fail.
"claude-sonnet-4-20250514" resolves to the tracked model anthropic/claude-sonnet-4-20250514.
Model: claude-sonnet-4-20250514 (anthropic/claude-sonnet-4-20250514)
Provider: anthropic
Lifecycle state: retired — retired; calls fail
Deprecated: 2026-04-14 (105 days ago)
Retirement: 2026-06-15 (43 days ago)
The provider has not named a replacement. Use suggest_replacement for options.
Pricing/limits: $3/1M in · $15/1M out
Source: https://docs.anthropic.com/en/docs/about-claude/model-deprecations
Provider's own term: "Retired"
Deadlines are always given in days, because a model cannot reliably judge whether 2026-07-30 is
soon.
Design notes
A failed lookup is never a safety verdict. If the catalog is unreachable, the tool returns an MCP error and says so. An agent that read a network failure as "no deprecation found" would happily ship a retired model id. A model that simply isn't tracked gets the same treatment: it returns "not in the catalog, verify with the provider", never "OK".
Pass whatever string is literally in the code (gpt-4o, anthropic/claude-opus-4-1, azure/gpt-4o)
and it resolves to the canonical tracked model.
When the provider's own deprecation notice names a successor, that is what you get. Otherwise the fallback list of same-provider active models is labelled as candidates to evaluate, so an agent can tell the two apart.
Anything past its retirement date is broken now, so it gets its own heading instead of sitting in "retiring soon".
Configuration
Both variables are optional.
| Variable | Default | Purpose |
|---|---|---|
LLMINTEL_API_KEY |
none | Raises the rate-limit budget. The catalog itself is public, so you do not need this. |
LLMINTEL_BASE_URL |
https://llmintel.ai |
Point at a self-hosted or staging catalog. |
Anonymous callers get 30 requests/minute per IP, enough for interactive agent use.
Data provenance
Every record links to the provider page it was parsed from and preserves the provider's verbatim
lifecycle term (sourceTerm), so a normalization decision is always auditable. Changes go through a
human verification queue before publication. Collector freshness is public at
/v1/status.
The same data is available as a plain REST API, also without a key. See llmintel.ai/docs.
Where to find it
| Directory | Entry |
|---|---|
| Official MCP Registry | ai.llmintel/model-lifecycle |
| Glama | @hivemindunit/llmintel-mcp |
| Smithery | llmintel/model-lifecycle |
| npm | @llmintel/mcp |
Development
pnpm --filter @llmintel/mcp build
pnpm exec vitest run packages/mcp # protocol-level tests against a fake catalog
# Drive the built binary against a live catalog
pnpm --filter @llmintel/mcp smoke
LLMINTEL_BASE_URL=http://localhost:3000 pnpm --filter @llmintel/mcp smoke
License
MIT © LLMIntel
Questions sur LLMIntel Model Lifecycle MCP
Comment ajouter LLMIntel Model Lifecycle MCP à Claude Code ?
Exécutez claude mcp add --env 'LLMINTEL_API_KEY=<YOUR_LLMINTEL_API_KEY>' model-lifecycle -- npx -y @llmintel/mcp dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter LLMIntel Model Lifecycle MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils LLMIntel Model Lifecycle MCP fournit-il ?
Il expose 5 outils, dont check_model, list_retiring_models, suggest_replacement, search_models, recent_lifecycle_changes.
Ai-je besoin d'une clé API pour utiliser ce serveur ?
Non, le catalogue est public et vous pouvez l'utiliser sans clé API ni inscription.
Que se passe-t-il si un modèle ne figure pas dans le catalogue ?
Le serveur renverra un message indiquant que le modèle ne figure pas dans le catalogue et vous invitant à le vérifier auprès du fournisseur, plutôt que de supposer qu'il est toujours valide.
Puis-je l'utiliser sans installer de package npm ?
Oui, vous pouvez utiliser un endpoint HTTP hébergé si votre hôte MCP prend en charge les URL.
Existe-t-il une limite de débit pour les utilisateurs anonymes ?
Oui, les appels anonymes sont limités à 30 requêtes par minute par IP.