Model Id Cheatsheet

🚀 モデルIDチートシート

AIコーディングエージェントが古いモデル名を誤って生成するのを防ぎます。 このMCPサーバーは、AIアシスタントに19のプロバイダーからの107のモデルに関する正確で最新のAPIモデルID、価格、仕様を即座に提供します。

Go言語で構築されています。単一の10MBのバイナリで、外部呼び出しは一切ありません。応答時間はミリ秒未満で、毎日自動更新されます。

- model = "gpt-4-turbo"           # 誤った情報 - もう存在しません
+ model = "gpt-5.3-codex"         # 正しい - 公式ドキュメントと照合済み

- model = "claude-3-opus-20240229" # 非推奨
+ model = "claude-opus-4-6"        # 最新 - 最新のAnthropicの主力モデル

🚀 クイックスタート

以下のオプションから1つを選んでください。1分以内で起動します。

オプションA: Claude Code（1コマンド）

claude mcp add --transport sse --scope user model-id-cheatsheet \
  https://universal-model-registry-production.up.railway.app/sse

動作を確認します:

claude mcp list
# 表示されるはず: model-id-cheatsheet ... Connected

その後、新しいClaude Codeセッションを開始して、"最新のOpenAIモデルは何ですか？" と尋ねると、自動的にツールが使用されます。

オプションB: Cursor

~/.cursor/mcp.jsonに追加します:

{
  "mcpServers": {
    "model-id-cheatsheet": {
      "url": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

変更を反映するためにCursorを再起動します。

オプションC: Windsurf

設定 > MCPサーバーに追加するか（または~/.codeium/windsurf/mcp_config.jsonを編集します）:

{
  "mcpServers": {
    "model-id-cheatsheet": {
      "serverUrl": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

オプションD: Codex CLI

~/.codex/config.tomlに追加します:

[mcp_servers.model-id-cheatsheet]
command = "uvx"
args = ["mcp-proxy", "--transport", "sse", "https://universal-model-registry-production.up.railway.app/sse"]

オプションE: OpenCode

~/.config/opencode/opencode.jsonに追加します:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "model-id-cheatsheet": {
      "type": "remote",
      "url": "https://universal-model-registry-production.up.railway.app/sse"
    }
  }
}

オプションF: 任意のMCPクライアント

SSEエンドポイントに直接接続します（APIキーや認証は不要です）:

https://universal-model-registry-production.up.railway.app/sse

または、Streamable HTTPトランスポートを使用します:

https://universal-model-registry-production.up.railway.app/mcp

設定の確認

接続したら、AIアシスタントに以下の質問を試してみてください:

• "Claude Opus 4.6の正しいモデルIDは何ですか？"
• "gpt-4oはまだ利用可能ですか？"
• "gpt-5.2とclaude-opus-4-6を比較してください"
• "ビジョン機能を持つ最も安いモデルは何ですか？"

エージェントが回答する前にget_model_infoやcheck_model_statusなどのツールを呼び出す場合は、正常に動作しています。

✨ 主な機能

AIエージェントは、モデルIDを記述する前に自動的に呼び出す6つのツールを獲得します:

リソース

内部での動作

1. エージェントにコードを書くように依頼するか、モデルに関する質問をする
2. エージェントが自動的に適切なツール（例: get_model_info）を呼び出す
3. サーバーがミリ秒未満で検証済みのデータを返す（外部API呼び出しはありません）
4. エージェントが正しい最新のモデルIDでコードを書く

サーバーの指示により、エージェントは*"トレーニングデータからのモデルIDを最初に検証せずに使用しないでください。"* というルールに従います。これにより、エージェントは書き込む前に必ず確認します。

💻 使用例

基本的な使用法

# あなた: "OpenAI APIを彼らの最適なコーディングモデルで呼び出してください"
# エージェントが呼び出す: get_model_info("gpt-5.4")
response = client.chat.completions.create(
    model="gpt-5.4",  # モデルレジストリを介して検証済み
    messages=[...]
)

高度な使用法

# あなた: "このタスクにgpt-4oを使用してください"
# エージェントが呼び出す: check_model_status("gpt-4o")
# エージェント: "gpt-4oは非推奨です。代わりにgpt-5を使用します。"
response = client.chat.completions.create(
    model="gpt-5",  # 自動的に更新されます
    messages=[...]
)

# あなた: "ビジョン機能をサポートする最も安いモデルを使用してください"
# エージェントが呼び出す: list_models(capability="vision", status="current")
response = client.chat.completions.create(
    model="gpt-5-nano",  # 100万トークンあたり$0.05/$0.40
    messages=[...]
)

# あなた: "このタスクにClaudeとGPTのどちらを使うべきですか？"
# エージェントが呼び出す: compare_models(["claude-opus-4-6", "gpt-5.2"])
# エージェントは並列比較表を取得し、推奨を行います

🔧 技術詳細

リソース使用量

一般的な懸念事項: "これはエージェントを遅くしたり、トークンを消費したりしますか？"

比較として、単一のウェブ検索は、すべての6つのツールスキーマの合計よりも多くのトークンを消費します。

対象モデル（合計107）

現在のモデル（79）

レガシーおよび非推奨モデル（30）

エージェントが古いモデルIDを検出し、現在の代替品を提案できるように追跡されています:

• OpenAI: gpt-5.3-codex（非推奨）, gpt-5.2-codex（非推奨）, gpt-5.1-codex-mini（非推奨）, o3-pro（非推奨）, o3-deep-research（非推奨）, o3-mini（レガシー）, gpt-4.1（非推奨）, gpt-4o（非推奨）, gpt-4o-mini（非推奨）
• Anthropic: claude-opus-4-5（レガシー）, claude-opus-4-1（レガシー）, claude-opus-4-0（レガシー）, claude-sonnet-4-0（レガシー）, claude-3-7-sonnet-20250219（非推奨）
• Google: gemini-3-pro-preview（非推奨）, gemini-3-pro-image-preview（非推奨）, gemini-2.5-flash-lite（非推奨）, gemini-2.0-flash-lite（非推奨）, gemini-2.0-flash（非推奨）
• xAI: grok-4.1（非推奨）, grok-3（レガシー）, grok-3-mini（レガシー）
• Mistral: mistral-small-2503（レガシー）, codestral-2508（レガシー）
• MiniMax: minimax-m2.1（レガシー）, minimax-01（非推奨）
• Meta: llama-3.3-70b（レガシー）
• DeepSeek: deepseek-r1（レガシー）, deepseek-v3（非推奨）
• Zhipu: glm-4.6v（非推奨）

📦 インストール

サーバーをホストされたエンドポイントではなく、ローカルで実行する場合は、以下のオプションがあります:

オプション1: ソースからビルド（ローカル使用に推奨）

Go 1.23以上が必要です。

git clone https://github.com/aezizhu/universal-model-registry.git
cd universal-model-registry/go-server
go build -o model-id-cheatsheet ./cmd/server

次に、Claude Codeにローカルのstdioサーバーとして追加します（レイテンシーゼロ、ネットワーク不要）:

claude mcp add --scope user model-id-cheatsheet -- /path/to/model-id-cheatsheet

または、他のクライアント用にSSEモードで実行します:

MCP_TRANSPORT=sse PORT=8000 ./model-id-cheatsheet
# エンドポイント: http://localhost:8000/sse

オプション2: Docker

git clone https://github.com/aezizhu/universal-model-registry.git
cd universal-model-registry
docker build -t model-id-cheatsheet .
docker run -p 8000:8000 model-id-cheatsheet

SSEエンドポイントはhttp://localhost:8000/sseになります。

オプション3: Railwayにデプロイ

または手動で:

railway login
railway init
railway up

📚 ドキュメント

最新情報の維持

モデルデータは太平洋時間の毎日午後7時に自動的にチェックされ、更新されます -- 人間の介入は必要ありません。

動作原理:

1. Railway cronが毎日アップデーターを実行し、6つのプロバイダーの公開ドキュメントページをスクレイピングします（APIキーは不要です）
2. ドキュメントから削除されたモデル --> PRを介して自動的に非推奨になります（コード内のステータスが"deprecated"に変更されます）
3. 新しいモデルが検出された --> レビュー用のGitHubイシューが作成されます
4. CIが自動生成されたPRで実行されます --> テストが合格した場合 --> 自動的にmainブランチにマージされます
5. Railwayがmainブランチから自動デプロイします

プロバイダーのAPIキーは必要ありません。 アップデーターは公開されているドキュメントページを読み取ってモデルの変更を検出します。PRとイシューを作成するためにGITHUB_TOKENとGITHUB_REPOのみが必要です。

セキュリティ

• レート制限: IPアドレスごとに1分あたり60リクエスト
• 接続制限: IPアドレスごとに最大5つのSSE接続、合計100接続
• リクエストボディ制限: 最大64KB
• 入力サニタイズ: すべての文字列入力は安全な長さに切り捨てられます
• HTTP強化: ReadTimeout 15秒、ReadHeaderTimeout 5秒、IdleTimeout 120秒、最大ヘッダーサイズ64KB
• 非ルートDocker: コンテナは権限のないユーザーとして実行されます
• グレースフルシャットダウン: SIGINT/SIGTERMできれいに接続を解放します

技術スタック

• 言語: Go 1.23
• MCP SDK: github.com/modelcontextprotocol/go-sdk v1.3.0（公式）
• トランスポート: stdio、SSE、Streamable HTTP
• バイナリサイズ: ~10MB
• テスト: 156個の単体テスト
• セキュリティ: IPごとのレート制限、接続制限、入力サニタイズ
• デプロイ: Docker（alpine）、Railway

コントリビューション

コントリビューションは大歓迎です！新しいモデルの追加、データの修正、サーバーの改善など、何でも歓迎です:

1. リポジトリをフォークし、ローカルにクローンします
2. go-server/internal/models/data.goでモデルデータを編集します
3. go-server/internal/models/data_test.goでテストカウントを更新します
4. テストを実行します:

   cd go-server && go test ./... -v
   

5. PRを提出します -- すぐにレビューします

古いモデルや不正な価格を見つけた場合は、イシューを開くだけでも大きな助けになります。

📄 ライセンス

MIT