TokenLab MCP Server

TokenLab MCP server 從 TokenLab 的公開 OpenAPI 合約中生成 MCP 工具。支援 MCP 的代理程式 (Agents) 可以探索模型與定價、呼叫 OpenAI 相容及原生 LLM 端點、建立多模態媒體、上傳檔案以及管理非同步任務。當代理程式需要最新的 TokenLab API 合約而非手動維護的工具列表時，請使用此伺服器。預設的 core 設定檔會公開 29 個生成的端點工具以及兩個複合式探索工具。full 設定檔則會公開 78 個生成的端點工具以及相同的兩個複合式工具。本頁用於在 Claude Code、Cursor、VS Code、Codex、Claude Desktop、Cline、Windsurf 或其他 MCP 客戶端中加入 TokenLab 工具伺服器。如果你要在應用程式碼中直接呼叫 TokenLab，請從 API 快速入門開始。

公開目錄與定價工具不需要 TokenLab API key。若要進行憑證授權的推論 (Inference)、媒體、音訊、檔案、任務、嵌入 (Embedding)、重排序 (Rerank) 及翻譯操作，請設定 TOKENLAB_API_KEY。切勿將 API key 放入工具參數中。

它提供了什麼

從 https://api.tokenlab.sh/v1/models 進行即時模型探索。
從 /v1/models/{model} 查詢模型詳細資訊。
從 /v1/models/{model}/pricing 查詢定價。
從 https://api.tokenlab.sh/llms.txt 獲取代理程式可讀的 API 概覽。
OpenAI 相容的 Chat Completions 與 Responses、Anthropic Messages 以及 Gemini generateContent，且無需扁平化其原生請求格式。
透過 JSON URL、TokenLab 檔案 ID 或本地 multipart 檔案進行圖像生成與編輯。
支援影片、音樂、3D、語音、轉錄、音訊翻譯、嵌入、多模態嵌入、重排序及文字翻譯。
針對圖像、影片、音樂、3D 及世界生成操作的標準化非同步任務摘要。
每日合約同步：獲取公開 OpenAPI 文件、重新生成工具架構、執行端點與檔案測試，並僅在所有檢查通過時更新 main 分支。

快速入門

最快且安全的起步方式是先啟用 6 個公開目錄工具。它不需要 TokenLab API Key，之後可隨時開啟需要憑證的工具。

一鍵安裝到 Cursor

一鍵將公開 catalog 設定檔加入 Cursor

一鍵安裝到 VS Code

將公開 catalog 設定檔加入 VS Code 使用者設定

檢查執行需求

安裝 Node.js 18.17 或更新版本，並確認可以使用 npx：

node --version
npx --version

不需要全域安裝 MCP 套件，也不需要複製它的儲存庫。

選擇存取層級

目標	API Key	設定檔
瀏覽模型、詳細資料和定價	不需要	`catalog`（6 個工具）
使用常見推論、媒體、檔案和任務操作	付費呼叫需要	`core`（31 個工具，預設）
公開所有列入允許清單的開發者操作	付費呼叫需要	`full`（80 個工具）

只有當你希望伺服器發起需要憑證的 API 呼叫時，才需要在控制台 → API Keys 建立 Key。請將 Key 保存在客戶端的秘密環境中，切勿貼到提示詞或 MCP 工具參數裡。

設定客戶端

在下方選擇你的客戶端。公開範例會明確選擇 catalog，因此所有公開的工具都能在沒有 Key 的情況下運作。

為目前使用者加入 TokenLab，讓它在所有專案中可用：

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

若要啟用預設的 core 設定檔，請改為攜帶 API Key 加入伺服器：

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

僅目前專案使用時選擇 --scope local；要建立團隊共用的 .mcp.json 時選擇 --scope project。不要把真實 Key 提交到專案設定中。

使用上方一鍵安裝，或將以下內容儲存到 ~/.cursor/mcp.json（所有專案）或 .cursor/mcp.json（單一專案）：

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

使用上方一鍵安裝、在命令選擇區執行 MCP: Add Server，或將以下內容儲存為 .vscode/mcp.json：

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

若要對所有專案生效，請執行 MCP: Open User Configuration，並在其中加入相同的伺服器物件。

# 公開目錄設定檔
codex mcp add --env TOKENLAB_MCP_TOOL_PROFILE=catalog tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

# 預設 core 設定檔與 API Key
codex mcp add --env TOKENLAB_API_KEY=your-tokenlab-api-key tokenlab-model-catalog -- npx -y @tokenlabai/mcp-server

將標準 mcpServers 設定加入 claude_desktop_config.json。命令為 npx，參數依序為 -y 和 @tokenlabai/mcp-server；若只需要公開工具，請設定 TOKENLAB_MCP_TOOL_PROFILE=catalog。

Cline CLI 可直接安裝已發布的 stdio 伺服器：

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

Windsurf 請將標準 mcpServers 設定儲存到 ~/.codeium/windsurf/mcp_config.json。其他 stdio 客戶端使用相同的命令與參數，工作目錄留空。

重新啟動並驗證

重新啟動或重新載入 MCP 客戶端；出現提示時批准並信任本機伺服器，然後確認 tokenlab-model-catalog 已連線。

claude mcp list
codex mcp list

接著讓代理程式呼叫 list_models。非空的模型清單才表示客戶端已啟動伺服器、完成 MCP 工具探索並連上 TokenLab 公開目錄。此檢查不需要 API Key。

設定參考

任何支援本機 stdio MCP 伺服器的客戶端都使用以下值：伺服器名稱 tokenlab-model-catalog、命令 npx、參數 -y 和 @tokenlabai/mcp-server，工作目錄留空。若要固定目前已驗證版本，請使用 @tokenlabai/mcp-server@0.6.17。需要憑證的工具可使用以下標準設定：

{
  "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 使用頂層 servers 物件；其他要求單一伺服器物件的客戶端只需複製包含 command、args 和 env 的內層物件。

環境變數	預設值	用途
`TOKENLAB_API_BASE`	`https://api.tokenlab.sh`	覆寫 API Base URL；末尾不要加斜線。
`TOKENLAB_API_KEY`	未設定	需要憑證的推論、媒體、檔案、任務、嵌入、重新排序和翻譯呼叫必須設定。
`TOKENLAB_MCP_TOOL_PROFILE`	`core`	選擇 `catalog`、`core` 或 `full`。
`TOKENLAB_MCP_SCHEMA_MODE`	設定檔預設值	選擇 `portable`、`exact` 或 `strict`；一般保留 `portable`。
`TOKENLAB_REQUEST_TIMEOUT_MS`	`120000`	API 請求逾時，單位為毫秒。
`TOKENLAB_MCP_MAX_FILE_BYTES`	`104857600`	每個本機上傳檔案的最大位元組數。
`TOKENLAB_MCP_INLINE_BYTES`	`2097152`	內嵌回傳二進位或 JSON 結果的最大位元組數。
`TOKENLAB_ARTIFACT_DIR`	作業系統暫存目錄	較大回應產物的寫入位置。

不要發布含有真實 API Key 的截圖、日誌、Shell 歷史或設定檔。優先使用客戶端的秘密輸入或環境變數功能；共用範例一律使用預留位置；Key 暴露後應立即輪換。

從原始碼安裝

只有在稽核或開發 MCP 伺服器時才使用原始碼檢出。一般客戶端設定應使用上方已發布的 npm 套件。

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

core 和 full 預設發布有大小與深度界線的 portable 工具 Schema，而伺服器仍會按完整 OpenAPI 合約驗證每次呼叫。如需完整巢狀 Schema，請設定 TOKENLAB_MCP_SCHEMA_MODE=exact；若模型提供方要求封閉物件且每個屬性都列入 required，請使用 strict。

生成的工具設定檔

設定檔	公開工具數量	覆蓋範圍
`catalog`	6	4 個生成的公開目錄與定價工具，加上 `compare_models` 與 `get_api_overview`。不需要 API Key。
`core` (預設)	31	29 個生成的端點工具加上 `compare_models` 與 `get_api_overview`。涵蓋目錄、定價、原生 LLM 端點、圖像、影片、音樂、3D、音訊、任務、檔案、嵌入、重排序及翻譯。
`full`	80	78 個生成的端點工具加上兩個複合式探索工具。增加回應生命週期、批次處理、世界生成、原生模型探索及其他已列入許可清單的開發者操作。

工具名稱、說明、輸入架構、HTTP 方法、路徑、內容類型、驗證要求及任務行為均由已簽入的 OpenAPI 快照生成。僅限 MCP 的覆蓋層提供了穩定的工具別名、設定檔成員資格、非同步任務語意、multipart 變體、隱藏機密資訊及非串流限制。 0.6.0 版也會透過 MCP structuredContent 回傳 JSON，發佈 3 個契約資源，並提供 2 個用於模型選擇和原生請求建構的提示範本。生成工具和複合工具都帶有標準風險註解，讓相容客戶端能套用更安全的核准策略。常見的 core 工具包括：

類別	代表性工具
目錄與定價	`list_models`, `get_model`, `get_model_pricing`, `get_pricing`, `compare_models`
原生 LLM 端點	`create_chat_completion`, `create_response`, `create_anthropic_message`, `create_gemini_content`
圖像	`create_image`, `create_image_file`, `edit_image`, `edit_image_file`
影片、音樂與 3D	`create_video`, `create_music`, `create_3d_model`
音訊	`create_speech`, `transcribe_audio`, `translate_audio`
嵌入與文字	`create_embedding`, `create_multimodal_embedding`, `rerank_documents`, `translate_text`
檔案與任務	`upload_file`, `list_files`, `retrieve_file`, `retrieve_file_content`, `delete_file`, `get_task_status`, `cancel_task`

MCP 工具呼叫會回傳一個最終結果。不包含僅限串流與即時操作；伺服器會在內部將支援的 stream 參數固定為 false，不會向 provider 轉接器公開布林常數。小型圖像與音訊回應會回傳原生 MCP 內容；較大的二進位回應會寫入 TOKENLAB_ARTIFACT_DIR 並回傳其本地路徑、MIME 類型及位元組計數。

非同步媒體結果

影片、音樂及 3D 建立會回傳非同步任務摘要。圖像生成與編輯可能會根據所選模型與請求，回傳已完成的結果或非同步任務。當 delivery.mode 為 async 時，請持續呼叫 get_task_status 並傳入 { "id": delivery.task_id }，直到 delivery.terminal 為 true。請根據 status 判斷完成狀態；progress 為選用欄位，不得作為終止條件。

建議的代理程式工作流程

當使用者未指定模型時，呼叫 list_models。
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。
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。
當模型成本影響使用者選擇時，呼叫 get_model_pricing。
當選擇取決於多個候選項目時，使用 compare_models。
呼叫符合所需 API 合約的生成工具，或使用 get_api_overview 獲取 TokenLab API 系列的精簡地圖。

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 相容聊天	`/v1/chat/completions`
回應 (Responses)	`/v1/responses`
Anthropic Messages	`/v1/messages`
Gemini 原生	`/v1beta/models/{model}:generateContent`
圖像	`/v1/images/generations`, `/v1/images/edits`
影片	`/v1/videos/generations`
音樂	`/v1/music/generations`
3D	`/v1/3d/generations`
音訊	`/v1/audio/speech`, `/v1/audio/transcriptions`, `/v1/audio/translations`
嵌入與重排序	`/v1/embeddings`, `/v1/rerank`
文字翻譯	`/v1/translations`

託管模型瀏覽器

支援 Streamable HTTP 的客戶端可以連接至：

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

此託管瀏覽器為公開性質，並公開 open_tokenlab_model_explorer、compare_tokenlab_models 及 generate_tokenlab_endpoint_example。當您需要生成的 core/full 設定檔、本地檔案上傳或憑證授權的 API 操作時，請使用上述的本地 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生成與修復整合程式碼。在可用時同時使用兩者：

MCP 伺服器：探索當前模型、定價與端點詳細資訊。
tokenlab-api-integration skill：生成可執行的 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強大的模型。
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

客戶端無法啟動伺服器

確認 Node.js 至少為 18.17，且客戶端能找到 npx。在終端機執行一次 npx -y @tokenlabai/mcp-server 以顯示 npm 或網路錯誤。stdio 成功啟動後會靜默等待 MCP 訊息；確認能啟動後按 Ctrl+C 結束。

伺服器已設定，但沒有顯示工具

重新啟動客戶端，並在提示時批准或信任本機伺服器。Claude Code 執行 claude mcp list 或開啟 /mcp；VS Code 執行 MCP: List Servers 後選擇 Show Output；Cursor 則在 Settings → Tools & MCP 確認伺服器與工具已啟用。

Claude Code 顯示 Pending approval

專案層級的 .mcp.json 需要工作區信任與明確批准。請在專案中互動式啟動 Claude Code，接受信任提示，開啟 /mcp 並批准 tokenlab-model-catalog。若只需對個人帳號私有但跨專案可用，請使用 --scope user。

模型列表為空

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，請確保結尾沒有斜線。

代理程式仍然選擇過時的模型 ID

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。

此伺服器可以呼叫付費的 TokenLab 推論 API 嗎？

可以。請設定 TOKENLAB_API_KEY，然後使用生成的 LLM、媒體、音訊、任務、檔案、嵌入、重排序或翻譯工具。目錄與定價工具無需金鑰即可使用。

需要憑證的工具回傳驗證錯誤

確認 TOKENLAB_API_KEY 設定在 MCP 伺服器環境中，而不是工具參數或提示詞裡。修改後重新啟動客戶端；若 Key 曾出現在共用檔案、截圖、日誌或 Shell 歷史中，請先輪換。

客戶端拒絕工具 Schema 或載入太多工具

使用 TOKENLAB_MCP_TOOL_PROFILE=catalog 載入 6 個探索工具，或保留預設 core 的 31 個工具。預設 portable Schema 相容性最廣；完整巢狀 Schema 才使用 exact，提供方要求封閉物件與完整 required 時使用 strict。

如何固定或更新套件版本？

使用 @tokenlabai/mcp-server@0.6.17 固定目前已驗證版本。切換版本時更新客戶端設定中的套件參數並重新啟動伺服器；採用更新版本前請先檢視公開儲存庫。

資源

TokenLab MCP

產品概覽，以及 Core 31 與 Full 80 工具集的連線方式

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 伺服器

查看已驗證的 TokenLab MCP 伺服器列表

Glama 模型瀏覽器

探索模型、定價與原生端點範例

MCP.so 列表

在 AI 與代理程式目錄中探索 TokenLab

託管模型瀏覽器

開啟公開模型瀏覽器與遠端 MCP 端點

Claude Code MCP 指南

查看作用域、批准、狀態檢查與 MCP 設定

Cursor MCP 指南

查看設定位置、工具控制與安全建議

VS Code MCP 指南

查看使用者與工作區設定、信任、日誌和伺服器管理

相容性矩陣

程式工具

原生 SDK

框架與平台

聊天應用

TokenLab MCP Server

它提供了什麼

快速入門

一鍵安裝到 Cursor

一鍵安裝到 VS Code

設定參考

從原始碼安裝

生成的工具設定檔

非同步媒體結果

建議的代理程式工作流程

原生端點指南

託管模型瀏覽器

與 TokenLab Skills 搭配使用

疑難排解

資源

TokenLab MCP

GitHub 儲存庫

TokenLab Skills

模型目錄 API

llms.txt

Glama MCP 伺服器

Glama 模型瀏覽器

MCP.so 列表

託管模型瀏覽器

Claude Code MCP 指南

Cursor MCP 指南

VS Code MCP 指南

​它提供了什麼

​快速入門

一鍵安裝到 Cursor

一鍵安裝到 VS Code

​設定參考

​從原始碼安裝

​生成的工具設定檔

​非同步媒體結果

​建議的代理程式工作流程

​原生端點指南

​託管模型瀏覽器

​與 TokenLab Skills 搭配使用

​疑難排解

​資源

TokenLab MCP

GitHub 儲存庫

TokenLab Skills

模型目錄 API

llms.txt

Glama MCP 伺服器

Glama 模型瀏覽器

MCP.so 列表

託管模型瀏覽器

Claude Code MCP 指南

Cursor MCP 指南

VS Code MCP 指南

它提供了什麼

快速入門

設定參考

從原始碼安裝

生成的工具設定檔

非同步媒體結果

建議的代理程式工作流程

原生端點指南

託管模型瀏覽器

與 TokenLab Skills 搭配使用

疑難排解

資源