跳轉到主要內容
TokenLab MCP server 為支援 MCP 的代理程式提供即時模型探索、定價、OpenAI 相容 Chat Completions 與原生推論工具。 當代理程式需要比較模型、檢查支援的請求格式、查詢定價，或透過 OpenAI Chat Completions、Responses、Anthropic Messages、Gemini generateContent 呼叫 TokenLab 時，請使用此伺服器。
公開目錄工具不需要 TokenLab API 金鑰。設定 TOKENLAB_API_KEY 後可使用四個付費推論工具。

​
它提供了什麼

  • 來自 https://api.tokenlab.sh/v1/models 的即時模型探索。
  • 來自 /v1/models/{model} 的模型詳細資訊查詢。
  • 來自 /v1/models/{model}/pricing 的定價查詢。
  • 來自 https://api.tokenlab.sh/llms.txt 的代理程式可讀 API 概覽。
  • 針對 OpenAI 相容聊天、Responses、Anthropic Messages、Gemini、媒體、音訊、嵌入（embeddings）、重排序（rerank）及翻譯的端點系列指南。
  • 透過 OpenAI 相容 Chat Completions、Responses、Anthropic Messages 與 Gemini generateContent 進行選用推論。

​
從 GitHub 安裝

複製公開儲存庫並安裝依賴項： 
git clone https://github.com/hedging8563/tokenlab-mcp-server.git
cd tokenlab-mcp-server
npm install
npm test
透過 stdio 啟動伺服器： 
npm start
選用的 TOKENLAB_API_BASE 環境變數預設為 https://api.tokenlab.sh。

​
在 Codex 中安裝

將公開目錄伺服器新增至 Codex 設定： 
codex mcp add tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server
新增後請開啟新的 Codex 工作階段。公開目錄工具不需要 TOKENLAB_API_KEY。 如需啟用推論工具，請在新增伺服器時傳入 TokenLab API 金鑰： 
codex mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

​
在 Cline 中安裝

使用 Cline CLI 安裝已發佈的 stdio 伺服器： 
cline mcp add tokenlab --yes -- npx -y @tokenlabai/mcp-server
此命令已透過 Cline CLI 驗證，可在沒有安裝警告的情況下完成。公共目錄工具可立即使用；需要推論工具時，請在 Cline 環境中設定 TOKENLAB_API_KEY。

​
Claude Desktop 設定

將已發佈的 npm 套件新增至 MCP 客戶端設定： 
{
  "mcpServers": {
    "tokenlab-model-catalog": {
      "command": "npx",
      "args": ["-y", "@tokenlabai/mcp-server"]
    }
  }
}
儲存設定後，請重新啟動 MCP 客戶端。

​
Cursor、Windsurf 及其他 MCP 客戶端

在任何支援 stdio MCP 伺服器的客戶端中使用相同的指令與參數： 
{
  "command": "npx",
  "args": ["-y", "@tokenlabai/mcp-server"],
  "env": {
    "TOKENLAB_API_BASE": "https://api.tokenlab.sh"
  }
}
如果您的客戶端儲存了已命名的伺服器，請使用 tokenlab-model-catalog 作為伺服器名稱。

​
工具

工具用途
list_models列出公開的 TokenLab 模型。可選擇使用 recommended_for 進行篩選，例如 image、video、embedding、rerank 或 translation。
get_model獲取單一模型的公開詳細資訊與支援的請求格式。
get_model_pricing獲取單一模型的公開定價詳細資訊。
compare_models比較多個模型 ID 的詳細資訊與定價。
create_chat_completion呼叫 OpenAI 相容的 /v1/chat/completions 端點，支援多模態訊息與工具呼叫。需要 TOKENLAB_API_KEY。
create_response使用字串或結構化 input、tools、tool choice、metadata 與 text 設定呼叫 /v1/responses。需要 TOKENLAB_API_KEY。
create_anthropic_message使用原生多訊息 content blocks 與 tools 呼叫 /v1/messages。需要 TOKENLAB_API_KEY。
create_gemini_content使用 contents、多模態 parts、tools 與 generation config 呼叫原生 generateContent。需要 TOKENLAB_API_KEY。
get_api_overview獲取 TokenLab 的 llms.txt 概覽，以供代理程式讀取端點指南。
推論工具會回傳一般 JSON 結果。MCP 工具呼叫會刻意停用串流輸出。

​
建議的代理程式工作流程

  1. 當使用者未指定模型時，呼叫 list_models。
  2. 針對非聊天任務（如圖像、影片、音樂、3D、TTS、STT、嵌入、重排序或翻譯）使用 recommended_for。
  3. 在建立非聊天請求、重試失敗請求或切換端點系列之前，呼叫 get_model。
  4. 當模型成本影響使用者選擇時，呼叫 get_model_pricing。
  5. 當選擇取決於多個候選模型時，使用 compare_models。
  6. 呼叫符合所需 API 契約的推論工具，或使用 get_api_overview 取得 TokenLab API 系列的精簡對照表。

​
原生端點指南

TokenLab 支援 OpenAI 相容路由與原生端點系列。MCP 伺服器可協助代理程式在編寫程式碼前選擇正確的路由：
系列常見路由
OpenAI-compatible chat/v1/chat/completions
Responses/v1/responses
Anthropic Messages/v1/messages
Gemini native/v1beta/models/{model}:generateContent
Images/v1/images/generations, /v1/images/edits
Video/v1/videos/generations
Music/v1/music/generations
3D/v1/3d/generations
Audio/v1/audio/speech, /v1/audio/transcriptions, /v1/audio/translations
Embeddings and rerank/v1/embeddings, /v1/rerank
Text translation/v1/translations

​
託管模型瀏覽器

支援 Streamable HTTP 的客戶端可以連線至： 
https://tokenlab-model-explorer.vercel.app/mcp
此託管瀏覽器公開提供 open_tokenlab_model_explorer、compare_tokenlab_models 與 generate_tokenlab_endpoint_example。需要完整九個工具或帶憑證的推論時，請使用上方的本機 npm 伺服器。

​
與 TokenLab Skills 搭配使用

MCP 伺服器在執行階段非常有用，而 TokenLab skills repository 則教導編碼代理程式如何產生與修復整合程式碼。 在可用時同時使用兩者：
  • MCP server：探索當前模型、定價與端點詳細資訊。
  • tokenlab-api-integration skill：產生可執行的 API 範例並處理結構化的 TokenLab 錯誤。
  • tokenlab-model-picker skill：為使用者的任務選擇合適的模型。
  • tokenlab-native-endpoints skill：決定何時使用 Responses、Anthropic Messages、Gemini、媒體、音訊、嵌入、重排序或翻譯路由。

​
疑難排解

確認 Node.js 至少為 18.17，然後在終端機執行一次 npx -y @tokenlabai/mcp-server，以查看 npm 或網路錯誤。
請驗證機器是否能連線至 https://api.tokenlab.sh/v1/models。如果您覆寫了 TOKENLAB_API_BASE，請確保結尾不包含斜線。
請要求代理程式在硬編碼模型名稱之前呼叫 list_models 或 get_model。將 MCP 伺服器與 tokenlab-model-picker 搭配使用可獲得更好的結果。
可以。設定 TOKENLAB_API_KEY 後，可使用 create_chat_completion、create_response、create_anthropic_message 或 create_gemini_content。目錄與定價工具無需金鑰仍可使用。

​
資源

GitHub 儲存庫

原始碼與本地設定說明

TokenLab Skills

維護中的 TokenLab 整合代理程式技能

模型目錄 API

公開模型探索端點

llms.txt

代理程式可讀的 TokenLab API 概覽

Glama MCP Server

查看已驗證的 TokenLab MCP Server 項目

Glama 模型瀏覽器

瀏覽模型、定價與原生端點範例

MCP.so 項目

在 AI & Agents 目錄中探索 TokenLab

託管模型瀏覽器

開啟公共模型瀏覽器與遠端 MCP 端點