mcpField
U
UberLLM

UberLLM

远程服务
uberllm.devAI 与智能体03 天前更新

关于 UberLLM

UberLLM 是面向 AI 模型使用者的托管 MCP 服务和模型 API 市场。一个密钥即可调用聊天、图像、视频、音乐和语音模型,并通过工具查询模型、报价和账户余额。

主要功能

  1. 01查询模型及实时价格
  2. 02估算请求费用
  3. 03生成和编辑图像
  4. 04启动并跟踪视频任务
  5. 05查询账户余额

适用场景

  1. 01请求前比较可用模型
  2. 02生成内容前估算费用
  3. 03创建图像或启动视频生成
  4. 04查询预付余额和任务状态

MCP 相关

托管的 Streamable HTTP MCP 服务提供模型查询、费用报价、图像生成与编辑、视频任务管理及余额查询工具。工具调用按对应 API 请求计费。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://api.uberllm.dev/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

全部服务地址
Streamable HTTPhttps://api.uberllm.dev/mcp需要授权

工具

详细介绍

UberLLM

UberLLM

UberLLM 是一个 AI 模型 API 市场:提供聊天、图像、视频、音乐和语音模型。你只需使用一个密钥,即可调用一个兼容 OpenAI 和 Anthropic 的 API。每个请求都由该模型的第三方推理提供商处理,费用按该提供商收取的价格计算。

  • 请求不收取 UberLLM 费用。使用银行卡充值需支付 5.5% + $0.50。
  • 预付费。账户初始余额为 $0;请求失败不会收费。
  • 基础 URL:https://api.uberllm.dev/v1(OpenAI)或 https://api.uberllm.dev(Anthropic)。
  • 模型和实时价格:https://uberllm.dev/models
  • 文档:https://uberllm.dev/docs

本仓库包含公开工具:Claude Code 和 Codex 插件、uberllm Agent 技能、附带校验和的 Claude Code 安装程序,以及适用于 SDK 和 MCP 客户端的复制即用配置。

获取密钥

使用电子邮箱登录 https://uberllm.dev(系统会发送验证码,无需密码),充值,然后在 Dashboard → Keys 中创建密钥。密钥以 ull_ 开头。

在编码 Agent 中安装

本仓库提供 Claude Code 插件、Codex 插件和 Agent 技能。每种方式都会添加 UberLLM 托管的 MCP 服务(https://api.uberllm.dev/mcp,Streamable HTTP)和/或 uberllm 技能,该技能可以指导你配置 UberLLM、选择模型以及生成图像和视频。无需在本地构建或运行任何内容:服务托管在远程,使用你的密钥进行身份验证,格式为 Authorization: Bearer ull_...。

MCP 工具:list_models、get_model、quote、generate_image、edit_image、start_video、get_job、wait_job、balance。工具调用的收费方式与相同的 API 请求完全一致。完整参考文档:https://uberllm.dev/docs/mcp

Claude Code 插件(MCP 服务 + 技能)。在 Claude Code 中:

/plugin marketplace add PSA-Team-source/uberllm
/plugin install uberllm@uberllm

启用插件时,Claude Code 会要求你提供 API 密钥,并将其保存在系统的凭据存储中。之后可使用 claude plugin configure uberllm 设置或更改密钥。

Codex 插件(MCP 服务 + 技能):

codex plugin marketplace add PSA-Team-source/uberllm
codex plugin add uberllm@uberllm
export UBERLLM_API_KEY=ull_...   # the MCP server reads the key from here

仅安装技能(适用于 Claude Code、Codex、Cursor、OpenCode 和其他支持读取 Agent Skills 的 Agent),通过 skills.sh 安装:

npx skills add PSA-Team-source/uberllm

仅安装 MCP 服务,适用于 Claude Code:

claude mcp add --transport http uberllm https://api.uberllm.dev/mcp --header "Authorization: Bearer ull_..."

Cursor(~/.cursor/mcp.json)及其他支持 URL 的客户端:

{
  "mcpServers": {
    "uberllm": {
      "url": "https://api.uberllm.dev/mcp",
      "headers": { "Authorization": "Bearer ull_..." }
    }
  }
}

VS Code(.vscode/mcp.json;VS Code 会要求你输入一次密钥并将其保存):

{
  "inputs": [
    { "type": "promptString", "id": "uberllm-key", "description": "UberLLM API key (ull_...)", "password": true }
  ],
  "servers": {
    "uberllm": {
      "type": "http",
      "url": "https://api.uberllm.dev/mcp",
      "headers": { "Authorization": "Bearer ${input:uberllm-key}" }
    }
  }
}

Claude Desktop(Settings → Developer → Edit Config),通过 mcp-remote 配置:

{
  "mcpServers": {
    "uberllm": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://api.uberllm.dev/mcp", "--header", "Authorization:${UBERLLM_AUTH}"],
      "env": { "UBERLLM_AUTH": "Bearer ull_..." }
    }
  }
}

该服务已列入官方 MCP Registry,名称为 dev.uberllm/mcp(server.json)。

OpenAI SDK

from openai import OpenAI

client = OpenAI(base_url="https://api.uberllm.dev/v1", api_key="ull_...")
r = client.chat.completions.create(
    model="deepseek/deepseek-v4-flash",
    messages=[{"role": "user", "content": "Say hello in five words."}],
)
print(r.choices[0].message.content)

Anthropic SDK

from anthropic import Anthropic

client = Anthropic(base_url="https://api.uberllm.dev", api_key="ull_...")
m = client.messages.create(
    model="anthropic/claude-haiku-4.5",
    max_tokens=100,
    messages=[{"role": "user", "content": "Say hello in five words."}],
)
print(m.content[0].text)

目录中的任意聊天模型都可通过这两个 API 使用。模型 ID 与 https://uberllm.dev/models 上的 ID 相同。

Vercel AI SDK

import { createOpenAICompatible } from "@ai-sdk/openai-compatible";
import { generateText } from "ai";

const uberllm = createOpenAICompatible({
  name: "uberllm",
  apiKey: process.env.UBERLLM_API_KEY,
  baseURL: "https://api.uberllm.dev/v1",
  includeUsage: true,
});

const { text } = await generateText({
  model: uberllm("deepseek/deepseek-v4-flash"),
  prompt: "Say hello in five words.",
});

流式传输、工具调用和图像:https://uberllm.dev/docs/ai-sdk

Claude Code

手动配置(3 步)
  1. 在 Dashboard → Keys 中创建密钥。

  2. 将密钥保存到只有你能读取的文件中:

    mkdir -p ~/.uberllm && chmod 700 ~/.uberllm
    printf '%s\n' 'ull_your_key' > ~/.uberllm/key && chmod 600 ~/.uberllm/key
    
  3. 将以下内容添加到 ~/.claude/settings.json(适用于所有项目)或 <project>/.claude/settings.local.json(适用于单个项目):

    {
      "apiKeyHelper": "cat ~/.uberllm/key",
      "env": {
        "ANTHROPIC_BASE_URL": "https://api.uberllm.dev",
        "CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY": "1"
      }
    }
    
使用安装程序

install/claude-code.sh(macOS、Linux)和 install/claude-code.ps1(Windows)与 https://uberllm.dev/install/ 提供的文件逐字节完全一致。它们会通过浏览器为你登录,将密钥保存到权限为 600 的文件中,将 ANTHROPIC_BASE_URL 和一个 apiKeyHelper 合并到你的 Claude Code 设置中(并先备份该文件),然后发送一条测试请求。--uninstall 可撤销这些更改。

先阅读并检查,再运行:

curl -fsSL https://uberllm.dev/install/claude-code.sh -o claude-code.sh
shasum -a 256 claude-code.sh   # compare with install/SHA256SUMS
less claude-code.sh
sh claude-code.sh              # add --project for this project only
文件SHA-256
claude-code.shf5aa1c4610992d8f4ecc1b1cd777bc731c5fad9da6a38cac46989834b194d66c
claude-code.ps160d631b48e60a2e3f17e5eee19136d47a255f143627986e86b6ceb379858a3b9

如果你下载的文件与上方校验值不一致,请勿运行,并发送邮件告知我们:[email protected]。

详情:https://uberllm.dev/docs/claude-code

支持

[email protected] · 隐私政策 · 条款

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。