Como Adicionar Seleção de Modelo Consciente de Custos ao Seu Agente de IA

Todo agente de IA escolhe um modelo. A maioria escolhe o mesmo toda vez — geralmente o mais caro. Isso é um bom padrão quando você está prototipando, mas em produção significa que você está pagando demais por tarefas simples e subutilizando modelos complexos.

Este tutorial mostra como adicionar seleção de modelo dinâmica e consciente de custos a qualquer agente de IA usando o WhichModel, um servidor MCP aberto que rastreia preços e capacidades em mais de 100 modelos LLM.

O Problema

Os preços dos LLM mudam constantemente. Novos modelos são lançados semanalmente. Escolher o modelo certo para cada tarefa requer saber:

• Preços atuais entre os provedores
• Quais modelos suportam as capacidades que você precisa (chamada de ferramenta, saída JSON, visão)
• Como a qualidade do modelo se relaciona com a complexidade da tarefa

Manter isso você mesmo significa construir um banco de dados de preços, mantê-lo atualizado e escrever lógica de roteamento. Ou você pode deixar seu agente perguntar ao WhichModel.

Configuração: 30 Segundos

Adicione o WhichModel à configuração do seu cliente MCP:

{
  "mcpServers": {
    "whichmodel": {
      "url": "https://whichmodel.dev/mcp"
    }
  }
}

Sem chave de API. Sem instalação. É um servidor MCP remoto — seu agente se conecta diretamente.

Para clientes baseados em stdio (Claude Desktop, Cursor):

{
  "mcpServers": {
    "whichmodel": {
      "command": "npx",
      "args": ["-y", "whichmodel-mcp"]
    }
  }
}

Usando: Três Padrões

Padrão 1: Roteamento Baseado em Tarefa

Peça ao WhichModel para recomendar um modelo com base no que você está fazendo:

recommend_model(
  task_type: "code_generation",
  complexity: "high",
  estimated_input_tokens: 4000,
  estimated_output_tokens: 2000,
  requirements: { tool_calling: true }
)

O WhichModel retorna um modelo recomendado, uma alternativa dentro do orçamento, estimativas de custo e raciocínio para a escolha.

Padrão 2: Limites de Orçamento

Defina um orçamento por chamada e deixe o WhichModel encontrar o melhor modelo dentro dele:

recommend_model(
  task_type: "summarisation",
  complexity: "low",
  budget_per_call: 0.001
)

Para uma tarefa simples de sumarização, você pode estar pagando $0.01 por chamada com o GPT-4 quando uma chamada de $0.0005 para um modelo menor lhe daria o mesmo resultado.

Padrão 3: Projeções de Custo em Volume

Antes de se comprometer com um modelo, compare os custos em escala:

compare_models(
  models: ["anthropic/claude-sonnet-4", "openai/gpt-4.1-mini", "google/gemini-2.5-flash"],
  task_type: "data_extraction",
  volume: {
    calls_per_day: 10000,
    avg_input_tokens: 1000,
    avg_output_tokens: 500
  }
)

Isso lhe dá projeções de custo diárias e mensais para cada modelo, para que você possa tomar decisões informadas antes de escalar.

Por Que Isso Importa

Com 10.000 chamadas por dia, a diferença entre um modelo de $15/M-token e um modelo de $0.60/M-token é $216/dia — mais de $6.000 por mês. Para muitas tarefas, o modelo mais barato produz resultados equivalentes.

O WhichModel ajuda seu agente a fazer essa escolha automaticamente, toda vez, com dados de preços que são atualizados a cada 4 horas.

Experimente

• Ponto final remoto: https://whichmodel.dev/mcp
• GitHub: Which-Model/whichmodel-mcp
• Website: whichmodel.dev

O WhichModel é de código aberto (MIT). Nenhuma chave de API necessária.