An astronaut overseeing a futuristic data hub
Télécharger le PDFVersion Markdown

Connectez AI Model Usage Analytics à ChatGPT et Claude

Configurez-le une fois et il fonctionne avec ChatGPT, Claude, Cursor et n'importe quel autre client que vous aimez. Tout s'exécute en toute sécurité en arrière-plan, pour que vous puissiez vous détendre et vous concentrer sur l'essentiel. Optimisez vos dépenses et votre performance IA avec précision.

Demandez à l'IA à propos de ce Connector

Développé, maintenu et hébergé par Vinkius.

MCP VÉRIFIÉ · PRÊT POUR LA PRODUCTION · GARANTIE VINKIUS

Waiting for input…

Works with modern AI clients that support MCP, including ChatGPT, Claude, Cursor, and more.

ChatGPTClaudeCursorPerplexityGeminiMicrosoft CopilotRaycastMeta AI

Votre IA fait le travail. Nous veillons dessus, en toute sécurité.

Aucun autre outil d'IA ne vous offre ça. Votre workflow s'exécute dans le client que vous aimez déjà, votre compte reste protégé, et vous décidez ce que l'agent peut ou ne peut pas faire. C'est la vraie raison de faire le pas.

Chaque Connector vit dans notre infrastructure, là où votre workflow s'exécute. Les trois choses ci-dessous en font déjà partie et travaillent discrètement en arrière-plan pour que vous n'ayez jamais à y penser. Rien à ajouter, rien à configurer, aucune inquiétude à avoir.

A futuristic MCP client docking bay
V8 Isolate01

Chaque Connector s'exécute dans son propre environnement scellé.

Chaque Connector s'exécute dans son propre runtime V8 scellé, sans accès à vos fichiers, à votre système ni aux autres serveurs. Un Connector ne voit jamais au-delà de sa propre requête.

Kill Switch02

Un seul interrupteur arrête tous les agents. Immédiatement.

Une seule action désactive tous les Connectors, révoque tous les tokens et termine toutes les sessions d'un coup. La Gouvernance de l'IA conserve le registre.

FinOps par utilisateur03

Des limites de dépense qui s'interrompent au lieu de surprendre.

Chaque utilisateur garde ses propres connexions et identifiants, isolés de ceux des autres. Ce qui dépasserait votre limite de dépense est stoppé et mis en attente de votre approbation, pas facturé.

Trois contrôles, intégrés à la couche par laquelle votre IA se connecte.

Sélection · 4 capacités

Nous ne livrons que les actions qui comptent.

Ensemble de capacités01 / 01

01-04

4 capacités dans cet ensemble.

Sur 4 disponibles via AI Model Usage Analytics.

  1. 01

    Déterminer le coût monétaire exact par fonctionnalité

    Permet de calculer le coût financier précis pour chaque fonctionnalité individuelle de votre produit.

  2. 02

    Évaluer l'efficacité de sélection des modèles

    Évalue comment le système sélectionne les modèles pour des tâches spécifiques de fonctionnalités.

  3. 03

    Identifier les cibles d'optimisation

    Aide à trouver les fonctionnalités coûteuses mais peu utilisées, ou les sélections de modèles inefficaces.

  4. 04

    Analyser la concentration de l'utilisation

    Permet d'identifier quelles fonctionnalités sont les principaux moteurs de la consommation des modèles IA.

Travail réel

Ce que les équipes font tourner

01

Budget Overruns

Your AI costs spiked last month. You use this MCP to run a usage concentration analysis and find the exact feature responsible for the spike.

02

Feature Prioritization

You need to decide which features to build next. You check the cost breakdown to see which features offer the best usage return for the cost.

03

Model Upgrade Review

You suspect you're paying too much for a simple task. You run the routing efficiency score to confirm if a smaller, cheaper model will suffice.

04

Cost Reduction Initiative

The CFO wants to cut spending. You use the optimization targets capability to find high-cost, low-engagement features for immediate review.

Un connector, toutes les IAs

AI Model Usage Analytics fonctionne avec les clients IA les plus populaires.

Voici les clients les plus populaires, chacun avec un guide pas à pas : un lien, configuré une fois, avec gouvernance et visibilité intégrées. Et comme tout tourne sur le standard MCP, la même connexion fonctionne aussi dans tout autre client compatible : rien à reconstruire.

ClaudeClaudeChatGPTChatGPTGeminiGeminiPerplexityPerplexityGrokGrokMicrosoft CopilotMicrosoft CopilotCursorCursorVS CodeVS CodeWindsurfWindsurfJetBrainsJetBrainsClineClineLangChainLangChainVercel AI SDKVercel AI SDKLovableLovableZ.aiZ.aiRaycastRaycastQwen CodeQwen CodeKimi CodeKimi CodeLe ChatLe Chat

Vous construisez votre propre app ? Le connector est à vous.

Vous n'avez pas besoin d'un client pour mettre AI Model Usage Analytics au travail : la même connexion hébergée se branche sur vos propres applications et le code de votre agent, avec la même gouvernance à chaque requête. Construisez avec lui, discutez avec lui : une connexion pour les deux.

Observée, pas estimée

Moyenne de 895 ms. Rapide en production.

AI Model Usage Analytics est vérifié quotidiennement contre le service en production.

Moyenne quotidiennePic à 1043 ms
3 oct.Aujourd'hui
Jour le plus rapide
656ms
Jour le plus lent
1043ms
Tendance sur 14 jours
Stable-3%

Connectez votre client

Une URL. Tous les clients.

Activez le Connector, copiez votre lien et collez-le dans le client que vous utilisez déjà. 4 capacités arrivent prêtes à l'emploi.

Accès aperçu · pas d’authentification du fournisseur

Le jeton vk_preview_* appartient à l’infrastructure d’aperçu de Vinkius. Il permet à Claude de découvrir et d’afficher les capacités de AI Model Usage Analytics, pour que vous voyiez l’expérience dans votre IA.

Il n’authentifie pas votre compte auprès de AI Model Usage Analytics. Les actions nécessitant des identifiants ou des données de compte réelles peuvent ne pas s’exécuter tant que vous n’avez pas activé le Connector et autorisé le service.

AI Model Usage Analytics Connector

Tout est prêt. Choisissez votre client MCP et suivez les instructions de configuration.

Lien du connecteurhttps://edge.vinkius.com/vk_preview_1tbd24ReYBC3SDpWJ579WdByT3lsZc0AwncKcSyG/mcp

Claude Desktop

Suivez les étapes ci-dessous pour vous connecter en quelques secondes.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — AI Model Usage Analytics capabilities are ready to use.
Configuration · claude_desktop_config.jsonCopier
{
  "mcpServers": {
    "ai-model-usage-analytics-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_1tbd24ReYBC3SDpWJ579WdByT3lsZc0AwncKcSyG/mcp"
    }
  }
}
  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Les instructions pas à pas pour chaque client sont dans le guide. Comment connecter

Configuration guidée pour Claude ? Configurer AI Model Usage Analytics avec Claude et les autres IA

Voyez tous les clients IA avec lesquels ce connector fonctionne ↑

Pour qui

Conçu pour le travail que les utilisateurs de AI Model Usage Analytics délèguent.

Ce MCP Connector est essentiel pour les équipes de produit, les CTO et les ingénieurs DevOps qui gèrent des applications SaaS basées sur l'IA. Si vous devez maîtriser les coûts opérationnels et optimiser l'utilisation des ressources de modèles IA, cet outil est fait pour vous. Il transforme les données brutes de consommation en actions concrètes de réduction des dépenses.

  • 01

    Chef de Produit (Product Manager)

    Pour comprendre l'impact financier de l'ajout de nouvelles fonctionnalités IA et prioriser les développements.

  • 02

    CTO / Architecte Logiciel

    Pour évaluer l'efficacité globale des modèles IA et garantir une architecture de coûts maîtrisée.

  • 03

    Ingénieur DevOps / FinOps

    Pour surveiller la consommation en temps réel, identifier les goulots d'étranglement de coûts et optimiser les ressources.

FAQ

Les questions des utilisateurs de AI Model Usage Analytics.

  • 01

    Does this MCP track costs for every single AI model I use?

    Yes. This MCP provides deep visibility into how AI model resources are consumed across your product, allowing you to calculate cost attribution per feature.

  • 02

    What is the difference between usage concentration and cost breakdown?

    Usage concentration tells you which features are the primary drivers of overall AI model calls. The cost breakdown gives you the exact monetary expenditure for each individual feature.

  • 03

    Can I use this with my existing AI stack?

    Since this MCP is hosted on Vinkius, you connect your preferred AI client—like Claude, Cursor, or Windsurf—once, and you get access to all the analytics capabilities.

  • 04

    Is this only for cost tracking, or can it help with efficiency?

    It does both. You can find cost-saving opportunities by identifying optimization targets, or you can evaluate model selection effectiveness using the routing efficiency score.

  • 05

    How does this capability help reduce AI costs?

    By using identify_optimization_targets, you can find features where high costs don't match user engagement, allowing you to switch to more efficient models.

  • 06

    Can I see which features are using the most models?

    Yes, the analyze_usage_concentration capability identifies which features are the primary drivers of AI model consumption.

  • 07

    How is routing efficiency measured?

    The get_routing_efficiency_score capability compares the actual cost incurred by a feature against the theoretical minimum cost of using the most efficient model for that task.

Explorer

Plus dans Analytics

Suggestions

Connectez AI Model Usage Analytics à Claude, Cursor, ChatGPT et d'autres