OpenRouter MCP 服务器实战：为 AI Agent 集成 50+ 大模型 API 路由

初始化项目

mkdir openrouter-mcp-server
cd openrouter-mcp-server
npm init -y
npm install @anthropic/mcp openai dotenv

创建项目结构：

openrouter-mcp-server/
├── src/
│   └── index.ts        # MCP server 主逻辑
├── .env                # 环境变量（API key）
├── tsconfig.json       # TypeScript 配置
└── package.json

配置环境变量

# .env
OPENROUTER_API_KEY=sk-or-v1-xxxxxxxxxxxx
OPENROUTER_BASE_URL=https://openrouter.ai/api/v1

创建 OpenRouter 客户端

// src/openrouter-client.ts
import OpenAI from 'openai';

export function createOpenRouterClient() {
  return new OpenAI({
    baseURL: process.env.OPENROUTER_BASE_URL,
    apiKey: process.env.OPENROUTER_API_KEY,
  });
}

复用 OpenAI SDK，仅需修改 baseURL 即可对接 OpenRouter。

实现 MCP server 主逻辑

// src/index.ts
import { McpServer } from '@anthropic/mcp';
import { createOpenRouterClient } from './openrouter-client';

const server = new McpServer({
  name: 'openrouter-mcp',
  version: '1.0.0',
});

const client = createOpenRouterClient();

server.tool(
  'chat',
  '调用 OpenRouter 多模型 API 进行对话',
  {
    model: { type: 'string', description: '模型 ID，如 claude-3-7-sonnet' },
    messages: { type: 'array', description: '对话历史' },
  },
  async ({ model, messages }) => {
    const response = await client.chat.completions.create({
      model,
      messages,
    });
    return { content: response.choices[0].message.content };
  }
);

server.start({ transportType: 'stdio' });

添加智能路由策略

// src/router-strategies.ts
export const ROUTING_STRATEGIES = {
  // 成本优先：自动选择最便宜的可用模型
  COST_OPTIMIZED: async (prompt) => {
    const cheapModels = ['meta-llama/llama-3-70b', 'mistral/mistral-large'];
    return cheapModels[0];
  },
  // 性能优先：使用最强模型
  PERFORMANCE: async (prompt) => {
    return 'anthropic/claude-3-7-sonnet';
  },
  // 智能 fallback：主模型失败时切换备选
  WITH_FALLBACK: async (prompt, primaryModel) => {
    const fallbacks = {
      'anthropic/claude-3-7-sonnet': ['openai/gpt-4o', 'google/gemini-pro'],
      'openai/gpt-4o': ['anthropic/claude-3-7-sonnet'],
    };
    return { primary: primaryModel, fallbacks: fallbacks[primaryModel] };
  },
};

配置 MCP client

在 Claude Desktop 配置文件中添加 server：

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "openrouter": {
      "command": "node",
      "args": ["/path/to/openrouter-mcp-server/dist/index.js"],
      "env": {
        "OPENROUTER_API_KEY": "sk-or-v1-xxxx",
        "OPENROUTER_BASE_URL": "https://openrouter.ai/api/v1"
      }
    }
  }
}

测试调用

在 Claude Desktop 中输入：

使用 openrouter 工具，调用 claude-3-7-sonnet 模型，
帮我分析这段 Python 代码的性能瓶颈...

或者在 Cline 中直接选择 openrouter 工具，输入提示词即可看到多模型路由生效。

部署到生产环境

使用 Docker 容器化部署：

# Dockerfile
FROM node:22-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --omit=dev
COPY dist/ ./dist/
EXPOSE 3000
CMD ["node", "dist/index.js"]

docker build -t openrouter-mcp .
docker run -d \
  -e OPENROUTER_API_KEY=xxx \
  -p 3000:3000 \
  openrouter-mcp