Passer au contenu principal
Le serveur MCP TokenLab offre aux agents compatibles MCP la découverte de modèles en direct, les tarifs, Chat Completions compatible OpenAI et des outils d’inférence natifs. Utilisez-le lorsqu’un agent doit comparer des modèles, inspecter les formats de requête, consulter les tarifs ou appeler TokenLab via OpenAI Chat Completions, Responses, Anthropic Messages ou Gemini generateContent.
Les outils du catalogue public ne nécessitent pas de clé API TokenLab. Définissez TOKENLAB_API_KEY pour utiliser les quatre outils d’inférence payants.

​
Ce qu’il propose

  • Découverte de modèles en temps réel depuis https://api.tokenlab.sh/v1/models.
  • Consultation des détails d’un modèle depuis /v1/models/{model}.
  • Consultation de la tarification depuis /v1/models/{model}/pricing.
  • Aperçu de l’API lisible par les agents depuis https://api.tokenlab.sh/llms.txt.
  • Conseils sur les familles d’endpoints pour le chat compatible OpenAI, Responses, Anthropic Messages, Gemini, les médias, l’audio, les embeddings, le rerank et la traduction.
  • Inférence facultative via Chat Completions compatible OpenAI, Responses, Anthropic Messages et Gemini generateContent.

​
Installation depuis GitHub

Clonez le dépôt public et installez les dépendances : 
git clone https://github.com/hedging8563/tokenlab-mcp-server.git
cd tokenlab-mcp-server
npm install
npm test
Démarrez le serveur via stdio : 
npm start
La variable d’environnement optionnelle TOKENLAB_API_BASE a pour valeur par défaut https://api.tokenlab.sh.

​
Installer dans Codex

Ajoutez le serveur de catalogue public à votre configuration Codex : 
codex mcp add tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server
Démarrez une nouvelle session Codex après l’ajout du serveur. Les outils de catalogue public ne nécessitent pas TOKENLAB_API_KEY. Pour activer les outils d’inférence, ajoutez votre clé API TokenLab lors de l’ajout du serveur : 
codex mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

​
Installer dans Cline

Installez le serveur stdio publié avec la CLI Cline : 
cline mcp add tokenlab --yes -- npx -y @tokenlabai/mcp-server
La commande a été vérifiée avec la CLI Cline et s’exécute sans avertissement de configuration. Les outils publics du catalogue fonctionnent immédiatement ; définissez TOKENLAB_API_KEY dans l’environnement Cline pour les outils d’inférence.

​
Configuration de Claude Desktop

Ajoutez le package npm publié à la configuration de votre client MCP : 
{
  "mcpServers": {
    "tokenlab-model-catalog": {
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"]
    }
  }
}
Redémarrez le client MCP après avoir enregistré la configuration.

​
Cursor, Windsurf et autres clients MCP

Utilisez la même commande et les mêmes arguments dans tout client prenant en charge les serveurs MCP via stdio : 
{
  "command": "npx",
  "args": ["-y", "@tokenlabai/mcp-server"],
  "env": {
    "TOKENLAB_API_BASE": "https://api.tokenlab.sh"
  }
}
Si votre client stocke des serveurs nommés, utilisez tokenlab-model-catalog comme nom de serveur.

​
Outils

OutilObjectif
list_modelsLister les modèles publics TokenLab. Filtrer optionnellement avec recommended_for tel que image, video, embedding, rerank ou translation.
get_modelRécupérer les détails publics et le format de requête pris en charge pour un modèle.
get_model_pricingRécupérer les détails de tarification publique d’un modèle.
compare_modelsComparer les détails et les tarifs de plusieurs ID de modèles.
create_chat_completionAppeler l’endpoint compatible OpenAI /v1/chat/completions, avec messages multimodaux et appels d’outils. Nécessite TOKENLAB_API_KEY.
create_responseAppeler l’endpoint /v1/responses. Nécessite TOKENLAB_API_KEY.
create_anthropic_messageAppeler l’endpoint Anthropic Messages /v1/messages. Nécessite TOKENLAB_API_KEY.
create_gemini_contentAppeler l’endpoint natif Gemini generateContent. Nécessite TOKENLAB_API_KEY.
get_api_overviewRécupérer l’aperçu llms.txt de TokenLab pour des conseils sur les endpoints lisibles par les agents.
Les outils d’inférence renvoient des résultats JSON normaux. Le streaming est volontairement désactivé pour les appels d’outils MCP.

​
Flux de travail recommandé pour l’agent

  1. Appelez list_models lorsque l’utilisateur n’a pas nommé de modèle.
  2. Utilisez recommended_for pour les tâches autres que le chat, telles que l’image, la vidéo, la musique, la 3D, TTS, STT, les embeddings, le rerank ou la traduction.
  3. Appelez get_model avant de construire une requête autre que le chat, de réessayer une requête échouée ou de changer de famille d’endpoints.
  4. Appelez get_model_pricing lorsque le coût du modèle influence le choix de l’utilisateur.
  5. Utilisez compare_models lorsque le choix dépend de plusieurs candidats.
  6. Appelez l’outil d’inférence correspondant au contrat API requis ou utilisez get_api_overview pour une carte compacte des familles d’API TokenLab.

​
Conseils sur les endpoints natifs

TokenLab prend en charge les routes compatibles OpenAI et les familles d’endpoints natifs. Le serveur MCP aide un agent à choisir la bonne route avant d’écrire du code :
FamilleRoute courante
Chat compatible OpenAI/v1/chat/completions
Responses/v1/responses
Anthropic Messages/v1/messages
Gemini natif/v1beta/models/{model}:generateContent
Images/v1/images/generations, /v1/images/edits
Vidéo/v1/videos/generations
Musique/v1/music/generations
3D/v1/3d/generations
Audio/v1/audio/speech, /v1/audio/transcriptions, /v1/audio/translations
Embeddings et rerank/v1/embeddings, /v1/rerank
Traduction de texte/v1/translations

​
Explorateur de modèles hébergé

Les clients compatibles avec Streamable HTTP peuvent se connecter à : 
https://tokenlab-model-explorer.vercel.app/mcp
L’explorateur hébergé est public et expose open_tokenlab_model_explorer, compare_tokenlab_models et generate_tokenlab_endpoint_example. Utilisez le serveur npm local ci-dessus pour les neuf outils ou l’inférence authentifiée.

​
Utilisation avec les compétences TokenLab

Le serveur MCP est utile au moment de l’exécution, tandis que le dépôt de compétences TokenLab apprend aux agents de codage comment générer et réparer le code d’intégration. Utilisez les deux lorsqu’ils sont disponibles :
  • Serveur MCP : découvrir les modèles actuels, la tarification et les détails des endpoints.
  • Compétence tokenlab-api-integration : générer des exemples d’API exécutables et gérer les erreurs structurées de TokenLab.
  • Compétence tokenlab-model-picker : choisir des modèles performants pour la tâche de l’utilisateur.
  • Compétence tokenlab-native-endpoints : décider quand utiliser les routes Responses, Anthropic Messages, Gemini, médias, audio, embedding, rerank ou traduction.

​
Dépannage

Vérifiez que Node.js est en version 18.17 ou ultérieure, puis exécutez une fois npx -y @tokenlabai/mcp-server dans un terminal pour afficher les erreurs npm ou réseau.
Vérifiez que la machine peut atteindre https://api.tokenlab.sh/v1/models. Si vous remplacez TOKENLAB_API_BASE, assurez-vous qu’il ne contient pas de barre oblique finale.
Demandez à l’agent d’appeler list_models ou get_model avant de coder en dur un nom de modèle. Associer le serveur MCP avec tokenlab-model-picker donne de meilleurs résultats.
Oui. Définissez TOKENLAB_API_KEY, puis utilisez create_chat_completion, create_response, create_anthropic_message ou create_gemini_content. Les outils de catalogue et de tarification restent disponibles sans clé.

​
Ressources

Dépôt GitHub

Code source et instructions de configuration locale

Compétences TokenLab

Compétences d’agent maintenues pour les intégrations TokenLab

API du catalogue de modèles

Endpoint de découverte des modèles publics

llms.txt

Aperçu de l’API TokenLab lisible par les agents

Glama MCP Server

Consultez la fiche vérifiée de TokenLab MCP Server

Explorateur de modèles Glama

Explorez les modèles, les tarifs et des exemples d’endpoints natifs

Fiche MCP.so

Découvrez TokenLab dans le répertoire AI & Agents

Explorateur de modèles hébergé

Ouvrez l’explorateur public et l’endpoint MCP distant