Saltar para o conteúdo principal
O servidor MCP do TokenLab oferece aos agentes compatíveis com MCP descoberta de modelos em tempo real, preços, Chat Completions compatível com OpenAI e ferramentas de inferência nativas. Use-o quando um agente precisar comparar modelos, inspecionar formatos de solicitação, consultar preços ou chamar o TokenLab por OpenAI Chat Completions, Responses, Anthropic Messages ou Gemini generateContent.
As ferramentas do catálogo público não exigem uma chave de API do TokenLab. Defina TOKENLAB_API_KEY para usar as quatro ferramentas de inferência pagas.

​
O que ele oferece

  • Descoberta de modelos em tempo real a partir de https://api.tokenlab.sh/v1/models.
  • Consulta de detalhes de modelos a partir de /v1/models/{model}.
  • Consulta de preços a partir de /v1/models/{model}/pricing.
  • Visão geral da API legível por agentes a partir de https://api.tokenlab.sh/llms.txt.
  • Orientação sobre famílias de endpoints para chat compatível com OpenAI, Responses, Anthropic Messages, Gemini, mídia, áudio, embeddings, rerank e tradução.
  • Inferência opcional por Chat Completions compatível com OpenAI, Responses, Anthropic Messages e Gemini generateContent.

​
Instalação a partir do GitHub

Clone o repositório público e instale as dependências: 
git clone https://github.com/hedging8563/tokenlab-mcp-server.git
cd tokenlab-mcp-server
npm install
npm test
Inicie o servidor via stdio: 
npm start
A variável de ambiente opcional TOKENLAB_API_BASE tem como padrão https://api.tokenlab.sh.

​
Instalar no Codex

Adicione o servidor de catálogo público à configuração do Codex: 
codex mcp add tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server
Inicie uma nova sessão do Codex depois de adicionar o servidor. As ferramentas de catálogo público não exigem TOKENLAB_API_KEY. Para ativar as ferramentas de inferência, inclua sua chave de API do TokenLab ao adicionar o servidor: 
codex mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

​
Instalar no Cline

Instale o servidor stdio publicado com a CLI do Cline: 
cline mcp add tokenlab --yes -- npx -y @tokenlabai/mcp-server
O comando foi verificado com a CLI do Cline e termina sem avisos de configuração. As ferramentas públicas de catálogo funcionam imediatamente; defina TOKENLAB_API_KEY no ambiente do Cline para usar as ferramentas de inferência.

​
Configuração do Claude Desktop

Adicione o pacote npm publicado à configuração do seu cliente MCP: 
{
  "mcpServers": {
    "tokenlab-model-catalog": {
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"]
    }
  }
}
Reinicie o cliente MCP após salvar a configuração.

​
Cursor, Windsurf e outros clientes MCP

Use o mesmo comando e argumentos em qualquer cliente que suporte servidores MCP via stdio: 
{
  "command": "npx",
  "args": ["-y", "@tokenlabai/mcp-server"],
  "env": {
    "TOKENLAB_API_BASE": "https://api.tokenlab.sh"
  }
}
Se o seu cliente armazenar servidores nomeados, use tokenlab-model-catalog como o nome do servidor.

​
Ferramentas

FerramentaObjetivo
list_modelsLista modelos públicos do TokenLab. Opcionalmente, filtre com recommended_for como image, video, embedding, rerank ou translation.
get_modelBusca detalhes públicos e o formato de solicitação suportado de um modelo.
get_model_pricingBusca detalhes de preços públicos de um modelo.
compare_modelsCompara detalhes e preços de vários IDs de modelo.
create_chat_completionChama o endpoint compatível com OpenAI /v1/chat/completions, com mensagens multimodais e chamadas de ferramentas. Exige TOKENLAB_API_KEY.
create_responseChama o endpoint /v1/responses. Exige TOKENLAB_API_KEY.
create_anthropic_messageChama o endpoint Anthropic Messages /v1/messages. Exige TOKENLAB_API_KEY.
create_gemini_contentChama o endpoint nativo do Gemini generateContent. Exige TOKENLAB_API_KEY.
get_api_overviewBusca a visão geral llms.txt do TokenLab para orientação de endpoint legível por agentes.
As ferramentas de inferência retornam resultados JSON normais. O streaming é desativado intencionalmente em chamadas de ferramentas MCP.

​
Fluxo de trabalho recomendado para agentes

  1. Chame list_models quando o usuário não tiver nomeado um modelo.
  2. Use recommended_for para tarefas que não sejam de chat, como imagem, vídeo, música, 3D, TTS, STT, embeddings, rerank ou tradução.
  3. Chame get_model antes de criar uma solicitação que não seja de chat, tentar novamente uma solicitação com falha ou alternar famílias de endpoints.
  4. Chame get_model_pricing quando o custo do modelo afetar a escolha do usuário.
  5. Use compare_models quando a escolha depender de vários candidatos.
  6. Chame a ferramenta de inferência correspondente ao contrato de API necessário ou use get_api_overview para ver um mapa compacto das famílias de API do TokenLab.

​
Orientação sobre endpoints nativos

O TokenLab suporta rotas compatíveis com OpenAI e famílias de endpoints nativos. O servidor MCP ajuda o agente a escolher a rota correta antes de escrever o código:
FamíliaRota comum
Chat compatível com OpenAI/v1/chat/completions
Responses/v1/responses
Anthropic Messages/v1/messages
Gemini nativo/v1beta/models/{model}:generateContent
Imagens/v1/images/generations, /v1/images/edits
Vídeo/v1/videos/generations
Música/v1/music/generations
3D/v1/3d/generations
Áudio/v1/audio/speech, /v1/audio/transcriptions, /v1/audio/translations
Embeddings e rerank/v1/embeddings, /v1/rerank
Tradução de texto/v1/translations

​
Explorador de modelos hospedado

Clientes com suporte a Streamable HTTP podem se conectar a: 
https://tokenlab-model-explorer.vercel.app/mcp
O explorador hospedado é público e oferece open_tokenlab_model_explorer, compare_tokenlab_models e generate_tokenlab_endpoint_example. Use o servidor npm local acima para todas as nove ferramentas ou inferência com credenciais.

​
Use com as Skills do TokenLab

O servidor MCP é útil em tempo de execução, enquanto o repositório de skills do TokenLab ensina agentes de codificação a gerar e reparar código de integração. Use ambos quando disponíveis:
  • Servidor MCP: descubra modelos atuais, preços e detalhes de endpoints.
  • Skill tokenlab-api-integration: gere exemplos de API executáveis e lide com erros estruturados do TokenLab.
  • Skill tokenlab-model-picker: escolha modelos robustos para a tarefa do usuário.
  • Skill tokenlab-native-endpoints: decida quando usar rotas de Responses, Anthropic Messages, Gemini, mídia, áudio, embedding, rerank ou tradução.

​
Solução de problemas

Confirme que o Node.js seja 18.17 ou superior e execute npx -y @tokenlabai/mcp-server uma vez no terminal para ver erros de npm ou rede.
Verifique se a máquina consegue acessar https://api.tokenlab.sh/v1/models. Se você substituir TOKENLAB_API_BASE, certifique-se de que não inclua uma barra final.
Peça ao agente para chamar list_models ou get_model antes de codificar um nome de modelo. Combinar o servidor MCP com o tokenlab-model-picker gera melhores resultados.
Sim. Defina TOKENLAB_API_KEY e use create_chat_completion, create_response, create_anthropic_message ou create_gemini_content. As ferramentas de catálogo e preços continuam disponíveis sem chave.

​
Recursos

Repositório GitHub

Código-fonte e instruções de configuração local

Skills do TokenLab

Skills de agente mantidas para integrações com o TokenLab

API do Catálogo de Modelos

Endpoint de descoberta de modelos públicos

llms.txt

Visão geral da API do TokenLab legível por agentes

Servidor MCP Glama

Veja a listagem verificada do TokenLab MCP Server

Explorador de Modelos Glama

Explore modelos, preços e exemplos de endpoints nativos

Listagem MCP.so

Descubra o TokenLab no diretório AI & Agents

Explorador de modelos hospedado

Abra o explorador público e o endpoint MCP remoto