TokenLab MCP Server

Der TokenLab MCP-Server generiert MCP-Tools aus dem öffentlichen OpenAPI-Vertrag von TokenLab. MCP-kompatible Agenten können Modelle und Preise entdecken, OpenAI-kompatible und native LLM-Endpunkte aufrufen, multimodale Medien erstellen, Dateien hochladen und asynchrone Aufgaben verwalten. Verwenden Sie ihn, wenn ein Agent den aktuellen TokenLab API-Vertrag benötigt, anstatt eine manuell gepflegte Tool-Liste zu nutzen. Das Standard-Profil core stellt 29 generierte Endpunkt-Tools sowie zwei zusammengesetzte Discovery-Tools bereit. Das Profil full stellt 78 generierte Endpunkt-Tools sowie dieselben zwei zusammengesetzten Tools bereit. Diese Seite beschreibt, wie Sie TokenLab als Tool-Server in Claude Code, Cursor, VS Code, Codex, Claude Desktop, Cline, Windsurf oder einem anderen MCP-Client hinzufügen. Für direkte Aufrufe aus Anwendungscode beginnen Sie mit dem API-Schnellstart.

Öffentliche Katalog- und Preis-Tools erfordern keinen TokenLab API-Key. Setzen Sie TOKENLAB_API_KEY für authentifizierte Inferenz-, Medien-, Audio-, Datei-, Aufgaben-, Embedding-, Rerank- und Übersetzungsoperationen. Platzieren Sie niemals einen API-Key in Tool-Argumenten.

Was er bietet

Live-Modell-Discovery unter https://api.tokenlab.sh/v1/models.
Abruf von Modelldetails unter /v1/models/{model}.
Abruf von Preisen unter /v1/models/{model}/pricing.
Agentenlesbare API-Übersicht unter https://api.tokenlab.sh/llms.txt.
OpenAI-kompatible Chat Completions und Responses, Anthropic Messages und Gemini generateContent, ohne deren native Request-Strukturen zu verflachen.
Bilderzeugung und -bearbeitung über JSON-URLs, TokenLab-Datei-IDs oder lokale Multipart-Dateien.
Video, Musik, 3D, Sprache, Transkription, Audio-Übersetzung, Embeddings, multimodale Embeddings, Rerank und Textübersetzung.
Normalisierte Zusammenfassungen asynchroner Aufgaben für Bild-, Video-, Musik-, 3D- und Welt-Generierungsoperationen.
Ein täglicher Vertragssync, der das öffentliche OpenAPI-Dokument abruft, Tool-Schemas neu generiert, Endpunkt- und Dateitests ausführt und main nur aktualisiert, wenn alle Prüfungen erfolgreich sind.

Schnellstart

Der schnellste sichere Einstieg aktiviert zunächst nur die sechs öffentlichen Katalog-Tools. Dafür ist kein TokenLab API-Key erforderlich; authentifizierte Tools können Sie später aktivieren.

In Cursor installieren

Das öffentliche Profil catalog mit einem Klick in Cursor hinzufügen

In VS Code installieren

Das öffentliche Profil catalog zur VS-Code-Benutzerkonfiguration hinzufügen

Voraussetzungen prüfen

Installieren Sie Node.js 18.17 oder neuer und prüfen Sie, ob npx verfügbar ist.

node --version
npx --version

Eine globale Installation des MCP-Pakets oder ein Klonen des Repositorys ist nicht erforderlich.

Zugriffsstufe wählen

Ziel	API-Key	Profil
Modelle, Details und Preise durchsuchen	Nicht erforderlich	`catalog` (6 Tools)
Übliche Inferenz-, Medien-, Datei- und Aufgabenoperationen nutzen	Für kostenpflichtige Aufrufe erforderlich	`core` (31 Tools, Standard)
Alle freigegebenen Entwickleroperationen bereitstellen	Für kostenpflichtige Aufrufe erforderlich	`full` (80 Tools)

Erstellen Sie nur für authentifizierte API-Aufrufe einen Key unter Dashboard → API Keys. Bewahren Sie ihn in der geheimen Umgebung des Clients auf und fügen Sie ihn nie in Prompts oder MCP-Tool-Argumente ein.

Client konfigurieren

Die öffentlichen Beispiele wählen ausdrücklich catalog, damit jedes bereitgestellte Tool ohne Key funktioniert.

Fügen Sie TokenLab im Benutzerbereich hinzu, damit es projektübergreifend verfügbar ist.

claude mcp add --env TOKENLAB_MCP_TOOL_PROFILE=catalog --scope user tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

Für das Standardprofil core fügen Sie stattdessen Ihren API-Key hinzu.

claude mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key --scope user tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

Verwenden Sie --scope local nur für das aktuelle Projekt oder --scope project für eine gemeinsam genutzte .mcp.json. Committen Sie keinen echten Key in eine Projektkonfiguration.

Verwenden Sie die Ein-Klick-Installation oben oder speichern Sie die Konfiguration global in ~/.cursor/mcp.json beziehungsweise projektbezogen in .cursor/mcp.json.

{
  "mcpServers": {
    "tokenlab-model-catalog": {
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"],
      "env": { "TOKENLAB_MCP_TOOL_PROFILE": "catalog" }
    }
  }
}

Verwenden Sie die Ein-Klick-Installation, führen Sie MCP: Add Server aus oder speichern Sie diese Datei als .vscode/mcp.json.

{
  "servers": {
    "tokenlab-model-catalog": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"],
      "env": { "TOKENLAB_MCP_TOOL_PROFILE": "catalog" }
    }
  }
}

Für eine benutzerweite Einrichtung führen Sie MCP: Open User Configuration aus und fügen dort dasselbe Serverobjekt hinzu.

# Öffentlicher Katalog
codex mcp add --env TOKENLAB_MCP_TOOL_PROFILE=catalog tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

# Standardprofil core mit API-Key
codex mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

Ergänzen Sie die Standardkonfiguration mcpServers in claude_desktop_config.json mit dem Befehl npx und den Argumenten -y sowie @tokenlabai/mcp-server. Für ausschließlich öffentliche Tools setzen Sie TOKENLAB_MCP_TOOL_PROFILE=catalog.

Cline CLI kann den veröffentlichten stdio-Server direkt installieren.

cline mcp add tokenlab --yes -- npx -y @tokenlabai/mcp-server

Speichern Sie für Windsurf die Standardkonfiguration mcpServers unter ~/.codeium/windsurf/mcp_config.json. Andere stdio-Clients verwenden denselben Befehl und dieselben Argumente; das Arbeitsverzeichnis bleibt leer.

Neu starten und prüfen

Starten oder laden Sie den MCP-Client neu, vertrauen Sie dem lokalen Server nach Aufforderung und prüfen Sie, ob tokenlab-model-catalog verbunden ist.

claude mcp list
codex mcp list

Lassen Sie den Agenten danach list_models aufrufen. Eine nicht leere Modellliste bestätigt Serverstart, MCP-Erkennung und Zugriff auf den öffentlichen TokenLab-Katalog. Für diese Prüfung ist kein API-Key nötig.

Konfigurationsreferenz

Verwenden Sie für lokale stdio-Clients den Servernamen tokenlab-model-catalog, den Befehl npx, die getrennten Argumente -y und @tokenlabai/mcp-server sowie kein Arbeitsverzeichnis. Mit @tokenlabai/mcp-server@0.6.17 fixieren Sie die aktuell geprüfte Version. Standardkonfiguration für authentifizierte Tools:

{
  "mcpServers": {
    "tokenlab-model-catalog": {
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"],
      "env": {
        "TOKENLAB_API_KEY": "<TOKENLAB_API_KEY>",
        "TOKENLAB_MCP_TOOL_PROFILE": "core"
      }
    }
  }
}

VS Code verwendet ein servers-Objekt auf oberster Ebene. Bei Clients, die nur ein einzelnes Serverobjekt erwarten, kopieren Sie ausschließlich das innere Objekt mit command, args und env.

Umgebungsvariable	Standard	Zweck
`TOKENLAB_API_BASE`	`https://api.tokenlab.sh`	API-Basis-URL überschreiben; keinen abschließenden Schrägstrich anfügen.
`TOKENLAB_API_KEY`	Nicht gesetzt	Für authentifizierte Inferenz-, Medien-, Datei-, Aufgaben-, Embedding-, Rerank- und Übersetzungsaufrufe erforderlich.
`TOKENLAB_MCP_TOOL_PROFILE`	`core`	`catalog`, `core` oder `full` wählen.
`TOKENLAB_MCP_SCHEMA_MODE`	Profilstandard	`portable`, `exact` oder `strict` wählen; normalerweise `portable` beibehalten.
`TOKENLAB_REQUEST_TIMEOUT_MS`	`120000`	API-Zeitlimit in Millisekunden.
`TOKENLAB_MCP_MAX_FILE_BYTES`	`104857600`	Maximale Dateigröße pro lokalem Upload in Byte.
`TOKENLAB_MCP_INLINE_BYTES`	`2097152`	Maximale Größe eines inline zurückgegebenen Binär- oder JSON-Ergebnisses.
`TOKENLAB_ARTIFACT_DIR`	Temporäres Betriebssystemverzeichnis	Speicherort für größere Antwortartefakte.

Veröffentlichen Sie keine Screenshots, Logs, Shell-Verläufe oder Konfigurationsdateien mit einem echten API-Key. Bevorzugen Sie geheime Eingaben oder Umgebungsvariablen des Clients, verwenden Sie in gemeinsam genutzten Beispielen Platzhalter und rotieren Sie offengelegte Keys.

Installation aus dem Quellcode

Verwenden Sie einen Quellcode-Checkout nur zur Prüfung oder Entwicklung des MCP-Servers. Für die normale Client-Einrichtung dient das oben gezeigte veröffentlichte npm-Paket.

git clone https://github.com/hedging8563/tokenlab-mcp-server.git
cd tokenlab-mcp-server
npm install
npm test
npm start

core und full veröffentlichen standardmäßig größen- und tiefenbegrenzte portable-Schemas, während der Server jeden Aufruf gegen die vollständige OpenAPI-Beschreibung prüft. Verwenden Sie exact für vollständige verschachtelte Schemas oder strict, wenn der Modellanbieter geschlossene Objekte und jede Eigenschaft in required verlangt.

Generierte Tool-Profile

Profil	Verfügbare Tools	Abdeckung
`catalog`	6	Vier generierte öffentliche Katalog- und Preis-Tools plus `compare_models` und `get_api_overview`. Kein API-Key erforderlich.
`core` (Standard)	31	29 generierte Endpunkt-Tools plus `compare_models` und `get_api_overview`. Deckt Katalog, Preise, native LLM-Endpunkte, Bilder, Video, Musik, 3D, Audio, Aufgaben, Dateien, Embeddings, Rerank und Übersetzung ab.
`full`	80	78 generierte Endpunkt-Tools plus die zwei zusammengesetzten Discovery-Tools. Fügt Response-Lebenszyklus, Batches, Welten, native Modell-Discovery und andere zugelassene Entwickleroperationen hinzu.

Tool-Namen, Beschreibungen, Eingabe-Schemas, HTTP-Methoden, Pfade, Content-Types, Authentifizierungsanforderungen und Aufgabenverhalten werden aus dem eingecheckten OpenAPI-Snapshot generiert. Ein MCP-spezifisches Overlay liefert stabile Tool-Aliase, Profilzugehörigkeit, Semantik für asynchrone Aufgaben, Multipart-Varianten, das Auslassen von Geheimnissen und Einschränkungen für Nicht-Streaming. Version 0.6.0 gibt JSON zusätzlich über MCP structuredContent zurück, veröffentlicht drei Vertragsressourcen und bietet zwei Prompt-Vorlagen für die Modellauswahl und den Aufbau nativer Anfragen. Generierte und zusammengesetzte Tools enthalten standardisierte Risikoannotationen, damit kompatible Clients sicherere Freigaberichtlinien anwenden können. Zu den gängigen core-Tools gehören:

Familie	Repräsentative Tools
Katalog und Preise	`list_models`, `get_model`, `get_model_pricing`, `get_pricing`, `compare_models`
Native LLM-Endpunkte	`create_chat_completion`, `create_response`, `create_anthropic_message`, `create_gemini_content`
Bilder	`create_image`, `create_image_file`, `edit_image`, `edit_image_file`
Video, Musik und 3D	`create_video`, `create_music`, `create_3d_model`
Audio	`create_speech`, `transcribe_audio`, `translate_audio`
Embeddings und Text	`create_embedding`, `create_multimodal_embedding`, `rerank_documents`, `translate_text`
Dateien und Aufgaben	`upload_file`, `list_files`, `retrieve_file`, `retrieve_file_content`, `delete_file`, `get_task_status`, `cancel_task`

MCP-Tool-Aufrufe geben ein finales Ergebnis zurück. Streaming-only- und Echtzeit-Operationen sind ausgeschlossen; der Server setzt unterstützte stream-Argumente intern auf false, ohne Provider-Adaptern eine boolesche Konstante bereitzustellen. Kleine Bild- und Audio-Antworten geben nativen MCP-Content zurück; größere binäre Antworten werden in TOKENLAB_ARTIFACT_DIR geschrieben und mit ihrem lokalen Pfad, MIME-Typ und Byte-Anzahl zurückgegeben.

Asynchrone Medienergebnisse

Video-, Musik- und 3D-Erstellung geben Zusammenfassungen asynchroner Aufgaben zurück. Bilderzeugung und -bearbeitung können je nach ausgewähltem Modell und Anfrage entweder ein abgeschlossenes Ergebnis oder eine asynchrone Aufgabe zurückgeben. Wenn delivery.mode auf async gesetzt ist, rufen Sie get_task_status mit { "id": delivery.task_id } auf, bis delivery.terminal auf true steht. Bestimmen Sie den Abschluss anhand von status; progress ist optional und darf nicht als Abbruchbedingung verwendet werden.

Empfohlener Agenten-Workflow

Rufen Sie list_models auf, wenn der Benutzer kein Modell benannt hat.
Verwenden Sie recommended_for für Nicht-Chat-Aufgaben, wie Bild, Video, Musik, 3D, TTS, STT, Embeddings, Rerank oder Übersetzung.
Rufen Sie get_model auf, bevor Sie eine Nicht-Chat-Anfrage erstellen, eine fehlgeschlagene Anfrage wiederholen oder zwischen Endpunkt-Familien wechseln.
Rufen Sie get_model_pricing auf, wenn die Modellkosten die Wahl des Benutzers beeinflussen.
Verwenden Sie compare_models, wenn die Wahl von mehreren Kandidaten abhängt.
Rufen Sie das generierte Tool auf, das dem erforderlichen API-Vertrag entspricht, oder verwenden Sie get_api_overview für eine kompakte Übersicht der TokenLab API-Familien.

Anleitung zu nativen Endpunkten

TokenLab unterstützt OpenAI-kompatible Routen und native Endpunkt-Familien. Der MCP-Server hilft einem Agenten, die richtige Route zu wählen, bevor er Code schreibt:

Familie	Gängige Route
OpenAI-kompatibler Chat	`/v1/chat/completions`
Responses	`/v1/responses`
Anthropic Messages	`/v1/messages`
Gemini nativ	`/v1beta/models/{model}:generateContent`
Bilder	`/v1/images/generations`, `/v1/images/edits`
Video	`/v1/videos/generations`
Musik	`/v1/music/generations`
3D	`/v1/3d/generations`
Audio	`/v1/audio/speech`, `/v1/audio/transcriptions`, `/v1/audio/translations`
Embeddings und Rerank	`/v1/embeddings`, `/v1/rerank`
Textübersetzung	`/v1/translations`

Gehosteter Modell-Explorer

Clients, die Streamable HTTP unterstützen, können sich verbinden mit:

https://tokenlab-model-explorer.vercel.app/mcp

Der gehostete Explorer ist öffentlich und stellt open_tokenlab_model_explorer, compare_tokenlab_models und generate_tokenlab_endpoint_example bereit. Verwenden Sie den lokalen npm-Server oben, wenn Sie die generierten core/full-Profile, lokale Datei-Uploads oder authentifizierte API-Operationen benötigen.

Verwendung mit TokenLab Skills

Der MCP-Server ist zur Laufzeit nützlich, während das TokenLab Skills Repository Programmier-Agenten beibringt, wie man Integrationscode generiert und repariert. Verwenden Sie beides, wenn verfügbar:

MCP-Server: Entdecken Sie aktuelle Modelle, Preise und Endpunkt-Details.
tokenlab-api-integration Skill: Generieren Sie ausführbare API-Beispiele und behandeln Sie strukturierte TokenLab-Fehler.
tokenlab-model-picker Skill: Wählen Sie starke Modelle für die Aufgabe des Benutzers.
tokenlab-native-endpoints Skill: Entscheiden Sie, wann Responses, Anthropic Messages, Gemini, Medien-, Audio-, Embedding-, Rerank- oder Übersetzungsrouten verwendet werden sollen.

Fehlerbehebung

Der Client kann den Server nicht starten

Stellen Sie sicher, dass Node.js mindestens Version 18.17 ist und der Client npx findet. Führen Sie npx -y @tokenlabai/mcp-server in einem Terminal aus, um npm- oder Netzwerkfehler anzuzeigen. Ein erfolgreicher stdio-Start wartet still auf MCP-Nachrichten; beenden Sie ihn nach der Prüfung mit Ctrl+C.

Der Server ist konfiguriert, aber es erscheinen keine Tools

Starten Sie den Client neu und vertrauen Sie dem lokalen Server. Prüfen Sie in Claude Code claude mcp list oder /mcp, in VS Code MCP: List Servers und Show Output sowie in Cursor Settings → Tools & MCP.

Claude Code zeigt Pending approval

Projektbezogene .mcp.json-Server benötigen Workspace-Vertrauen und eine ausdrückliche Freigabe. Starten Sie Claude Code interaktiv im Projekt, bestätigen Sie das Vertrauen und genehmigen Sie tokenlab-model-catalog unter /mcp. Für eine private, projektübergreifende Einrichtung verwenden Sie --scope user.

Die Modellliste ist leer

Überprüfen Sie, ob die Maschine https://api.tokenlab.sh/v1/models erreichen kann. Wenn Sie TOKENLAB_API_BASE überschreiben, stellen Sie sicher, dass es keinen nachgestellten Schrägstrich enthält.

Der Agent wählt immer noch veraltete Modell-IDs

Bitten Sie den Agenten, list_models oder get_model aufzurufen, bevor er einen Modellnamen fest kodiert. Die Kopplung des MCP-Servers mit tokenlab-model-picker liefert bessere Ergebnisse.

Kann dieser Server kostenpflichtige TokenLab-Inferenz-APIs aufrufen?

Ja. Setzen Sie TOKENLAB_API_KEY und verwenden Sie dann die generierten LLM-, Medien-, Audio-, Aufgaben-, Datei-, Embedding-, Rerank- oder Übersetzungs-Tools. Katalog- und Preis-Tools bleiben ohne Key verfügbar.

Ein authentifiziertes Tool gibt einen Authentifizierungsfehler zurück

Setzen Sie TOKENLAB_API_KEY in der Umgebung des MCP-Servers, nicht in Tool-Argumenten oder Prompts, und starten Sie den Client nach Änderungen neu. Rotieren Sie Keys, die in gemeinsamen Dateien, Bildern, Logs oder Shell-Verläufen offengelegt wurden.

Der Client lehnt Schemas ab oder lädt zu viele Tools

Verwenden Sie TOKENLAB_MCP_TOOL_PROFILE=catalog für 6 Discovery-Tools oder das Standardprofil core für 31 Tools. Behalten Sie normalerweise den kompatiblen Modus portable; nutzen Sie exact für vollständige Verschachtelung und strict für geschlossene Objekte mit vollständigem required.

Wie fixiere oder aktualisiere ich die Paketversion?

Mit @tokenlabai/mcp-server@0.6.17 fixieren Sie die aktuell geprüfte Version. Ändern Sie für ein Update das Paketargument, starten Sie den Server neu und prüfen Sie vor der Übernahme eines neueren Releases das öffentliche Repository.

Ressourcen

TokenLab MCP

Produktübersicht und Verbindungsoptionen für die Toolsets Core 31 und Full 80

GitHub-Repository

Quellcode und Anweisungen für die lokale Einrichtung

TokenLab Skills

Gepflegte Agenten-Skills für TokenLab-Integrationen

Modellkatalog-API

Öffentlicher Endpunkt zur Modell-Discovery

llms.txt

Agentenlesbare TokenLab API-Übersicht

Glama-MCP-Server

Sehen Sie sich den verifizierten TokenLab MCP-Server-Eintrag an

Glama-Modell-Explorer

Erkunden Sie Modelle, Preise und Beispiele für native Endpunkte

MCP.so-Eintrag

Entdecken Sie TokenLab im AI & Agents Verzeichnis

Gehosteter Modell-Explorer

Öffnen Sie den öffentlichen Modell-Explorer und den Remote-MCP-Endpunkt

Claude Code MCP-Leitfaden

Bereiche, Freigaben, Statusprüfungen und MCP-Konfiguration

Cursor MCP-Leitfaden

Konfigurationsorte, Tool-Steuerung und Sicherheitshinweise

VS Code MCP-Leitfaden

Benutzer- und Workspace-Konfiguration, Vertrauen, Logs und Serververwaltung

Kompatibilitätsmatrix

Coding-Tools

Native SDKs (nativ)

Frameworks & Plattformen

Chat-Apps

TokenLab MCP Server

Was er bietet

Schnellstart

In Cursor installieren

In VS Code installieren

Konfigurationsreferenz

Installation aus dem Quellcode

Generierte Tool-Profile

Asynchrone Medienergebnisse

Empfohlener Agenten-Workflow

Anleitung zu nativen Endpunkten

Gehosteter Modell-Explorer

Verwendung mit TokenLab Skills

Fehlerbehebung

Ressourcen

TokenLab MCP

GitHub-Repository

TokenLab Skills

Modellkatalog-API

llms.txt

Glama-MCP-Server

Glama-Modell-Explorer

MCP.so-Eintrag

Gehosteter Modell-Explorer

Claude Code MCP-Leitfaden

Cursor MCP-Leitfaden

VS Code MCP-Leitfaden

​Was er bietet

​Schnellstart

In Cursor installieren

In VS Code installieren

​Konfigurationsreferenz

​Installation aus dem Quellcode

​Generierte Tool-Profile

​Asynchrone Medienergebnisse

​Empfohlener Agenten-Workflow

​Anleitung zu nativen Endpunkten

​Gehosteter Modell-Explorer

​Verwendung mit TokenLab Skills

​Fehlerbehebung

​Ressourcen

TokenLab MCP

GitHub-Repository

TokenLab Skills

Modellkatalog-API

llms.txt

Glama-MCP-Server

Glama-Modell-Explorer

MCP.so-Eintrag

Gehosteter Modell-Explorer

Claude Code MCP-Leitfaden

Cursor MCP-Leitfaden

VS Code MCP-Leitfaden

Was er bietet

Schnellstart

Konfigurationsreferenz

Installation aus dem Quellcode

Generierte Tool-Profile

Asynchrone Medienergebnisse

Empfohlener Agenten-Workflow

Anleitung zu nativen Endpunkten

Gehosteter Modell-Explorer

Verwendung mit TokenLab Skills

Fehlerbehebung

Ressourcen