Когда ИИ-агент пишет отличный код, но не знает, какую модель выбрать для задачи, чтобы не потратить весь бюджет или использовать актуальные бенчмарки, это становится проблемой. OpenRouter выпустил сервер MCP (Model Catalog Protocol), который даёт агентам и разработчикам доступ к живым данным о моделях, их ценах и производительности прямо из редактора.
ИИ-агенты, способные писать код, часто не могут самостоятельно выбрать подходящую для задачи модель, исходя из её реальной производительности или стоимости. Данные, на которых они обучались, быстро устаревают. Разработчикам приходится тратить время на ручное сравнение моделей, переключение между вкладками браузера и тестовые прогоны. Сервер MCP даёт агентам и разработчикам доступ к актуальному каталогу моделей, бенчмаркам, документации и возможности тестировать инференс прямо в среде разработки.
Подключив MCP, агент может выполнять запросы типа «найди модель для извлечения структурированного JSON из юридических документов, быструю, до $1 за миллион входных токенов и хорошо следующую схемам». Система анализирует живой каталог моделей, перекрёстно проверяет оценки от Artificial Analysis и Design Arena, а также актуальные цены и задержки по провайдерам. Рекомендация агента, например, Google Gemini 3 Flash Preview, основана на текущих данных, а не на информации полугодовой давности.
Инструмент chat-send позволяет агенту отправлять тестовые промпты любой модели и получать ответ, стоимость и информацию о провайдере. Агент может сравнивать результаты нескольких моделей, например, Claude Opus 4.8, GPT-5.5 и DeepSeek V4 Pro, оценивая качество ответа, цену и скорость первого токена (TTFB). Поддерживаются также суффиксы моделей, такие как :online для веб-поиска или :free для бесплатных эндпоинтов, что упрощает тестирование вариантов.
Кроме того, агент получает доступ к docs-search для полнотекстового поиска по документации OpenRouter. Он может найти нужный API-параметр, формат запроса или информацию о работе с кэшированием промптов и применить её в коде, выступая в роли ассистента разработчика.
Сервер MCP работает удалённо, ничего не устанавливается локально. Первичный вход использует OAuth-авторизацию, которая выдаёт отдельный API-ключ с 7-дневным сроком действия и лимитом трат в $10 (можно изменить). Этот ключ изолирован от других и его легко отозвать. Важно, что MCP — это помощник для агента-разработчика, а не замена основному API OpenRouter. Исходный код разработчика не покидает его машину, за исключением содержимого, явно переданного через chat-send.
Сам протокол MCP стандартизирует интеграцию LLM, упрощая подключение к инструментам и данным. Он позволяет ИИ-агентам автономно обнаруживать и использовать эти инструменты. Так достигается масштабируемость и безопасность агентских приложений. В отличие от фреймворков вроде OpenAI Assistants API, сосредоточенных на инструментарии для построения агентов, MCP от OpenRouter акцентируется на предоставлении живых данных для выбора и проверки внешних моделей.
Предоставляя агентам возможность самостоятельно выбирать и тестировать модели на основе актуальных данных, OpenRouter делает шаг к более автономной и экономичной разработке ИИ-агентов. Это решает проблему быстро устаревающих данных и ручного труда, но требует от разработчиков освоения более сложного, чем обычный REST, протокола со своим управлением сессиями.