mcpField
R
Runapi Mcp Server

Runapi Mcp Server

远程服务
github.com/runapi-aiAI 与智能体565 天前更新
代码仓库

关于 Runapi Mcp Server

Runapi Mcp Server 将兼容 MCP 的编码工具连接到 RunAPI,用于发现模型和创建媒体任务,涵盖图像、视频、音频及实用模型。目录查询无需登录,任务操作需要身份验证。

主要功能

  1. 01浏览四类模态的模型
  2. 02查看模型输入与约束
  3. 03查询当前运行时价格
  4. 04搜索可复用的提示词示例
  5. 05创建并跟踪媒体任务
  6. 06查看账户余额

适用场景

  1. 01为图像或视频任务查找模型
  2. 02检查模型要求和当前价格
  3. 03创建媒体前搜索提示词
  4. 04提交任务并查询其状态

MCP 相关

向 MCP 客户端提供 RunAPI 目录、模型详情、价格、提示词搜索、登录、任务创建与状态、余额等工具。支持本地 stdio 和托管远程 MCP 端点。

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://mcp.runapi.ai/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。

安装包
npm@runapi.ai/mcp0.16.2

工具

9
参数类型必填说明
modalityenum否image | video | audio | utility
servicestring否
actionstring否

详细介绍

RunAPI MCP 服务

AI 图像生成、视频生成、音乐创作、文本转语音、提示词搜索和模型发现——一个 MCP 服务涵盖 4 种模态的 160 多个可执行模型。

适用于 Claude Code、Codex、Cursor、Windsurf、VS Code、Roo Code,以及任何兼容 MCP 的宿主。

npm 版本 Apache-2.0 许可证 MCP 服务 160 多个模型

快速开始 | 工具 | 示例 | 目录 | 平台


这是什么?

RunAPI MCP 服务将兼容 MCP 的编码工具连接到 RunAPI。 它让助手可以浏览 RunAPI 目录、查看模型输入、查询当前运行价格、创建媒体任务、轮询任务状态,以及查看账户余额。

发现类工具使用内嵌的构建时目录,无需 API 密钥即可使用。 需要身份验证的操作可通过 login 工具、runapi login、RUNAPI_API_KEY 或共享的 RunAPI 配置进行。

此软件包是纯客户端。 它不运行本地生成后端,只有需要身份验证的工具才需要登录 RunAPI。


托管 MCP

远程 MCP 客户端可以直接连接到:

https://mcp.runapi.ai/mcp

无需安装 Node.js。客户端支持远程 MCP 授权时,请使用 OAuth;也可以将 RunAPI API 密钥配置为 bearer 凭证。Cursor、Claude Desktop、VS Code 和 Windsurf 的配置请参阅托管 MCP 设置页面。

托管 MCP 提供下文介绍的 8 个业务工具。本地登录仅在本地 MCP 软件包中提供。


快速开始

对于通过 stdio 运行的本地 MCP,请使用 Claude Code 的 MCP 命令安装 RunAPI:

claude mcp add runapi -s user -- npx -y @runapi.ai/mcp

作用域标志用于控制 MCP 服务的存储位置:

  • -s user:全局设置,对你的所有项目均可用。
  • -s project:团队共享,写入当前仓库的 .mcp.json,因此可以提交到版本库。

希望整个团队共享同一服务配置时,请使用项目作用域:

claude mcp add runapi -s project -- npx -y @runapi.ai/mcp

非 Claude Code 平台或手动配置 JSON 时,可使用此兼容性备用方案:

{
  "mcpServers": {
    "runapi": {
      "command": "npx",
      "args": ["-y", "@runapi.ai/mcp"]
    }
  }
}

如果宿主需要生成配置文件,可使用旧版 init 命令作为备用方案:

npx @runapi.ai/mcp init claude
npx @runapi.ai/mcp init cursor
npx @runapi.ai/mcp init vscode
npx @runapi.ai/mcp init windsurf
npx @runapi.ai/mcp init roo

无需登录即可使用免费目录工具。 如需创建任务、查询任务状态和查看余额,请让助手调用 login 工具。此工具会打开浏览器登录,并将凭证保存到 ~/.config/runapi/config.json,与 runapi login 使用同一文件。 无头环境和 CI 宿主也可以在启动 MCP 宿主之前设置 RUNAPI_API_KEY。


工具

工具身份验证用途
list_models否列出内置目录中的 RunAPI 模型。支持按 modality、service 和 action 筛选。
get_model_info否返回指定模型 slug 的服务、操作、模态、输入限制和当前运行时定价。如果某个模型出现在多个端点中,请使用 service + action。
list_actions否按模态对端点操作名称进行分组。
check_pricing否返回指定 service + action + model 组合的当前运行时定价。
search_prompts否按 modality、category、tags、q、model、featured 和分页参数搜索可复用的提示词示例。
login否启动浏览器登录,并将 RunAPI 凭据保存到共享本地配置中。
create_task是使用调用方生成的必需 idempotency_key 创建媒体任务;默认等待任务完成,也可通过 wait: false 立即返回。
get_task是获取现有媒体任务的状态和最新负载。
check_balance是返回账户余额和支出指标。

目录、定价和提示词搜索工具专为编码工具中的漏斗顶部发现而设计。 任务和余额工具专为经过身份验证的工作流而设计。


示例

用自然语言向你的助手提问。 助手应使用工具查询当前模型 slug 和定价,而不是依赖记忆中的名称。

浏览目录
What RunAPI image models are available?

预期行为:

  1. 助手使用 modality: "image" 调用 list_models。
  2. 助手总结返回的模型 slug、服务、操作和必填字段。
  3. 除非调用 check_pricing,否则不引用过时的价格。
搜索提示词示例
Find image prompt examples for a logo.

预期行为:

  1. 助手使用 modality: "image" 和 q: "logo" 调用 search_prompts。
  2. 助手总结返回的标题、提示词文本、模型 slug、类别和标签。
  3. 助手在创建任务之前,使用选定的提示词调用 get_model_info。
查看模型信息
Show me the required parameters for this model slug: <model-slug>

预期行为:

  1. 助手调用 get_model_info。
  2. 如果响应含糊不清,助手从返回的匹配项中选择相关的服务/操作,并再次使用 service 和 action 调用 get_model_info。
  3. 助手展示必填字段、枚举约束、范围约束、条件输入规则、支持的操作,以及可用时的当前运行时定价。
  4. 如果未找到该 slug,助手会提示你使用 list_models 选择另一个 slug。
创建媒体任务
Generate a square product image with RunAPI. Pick a suitable image model.

预期行为:

  1. 助手调用 list_models,选择兼容的图像模型。
  2. 助手使用选定的服务/操作/模型调用 get_model_info,以查看参数说明。
  3. 如果请求成本较高、运行时间较长或属于批量任务,助手会请求确认。
  4. 助手为此逻辑任务生成一个不透明的 idempotency_key,并调用 create_task。
  5. 在可用时,助手返回任务 ID、状态、输出 URL 和成本字段。
等待完成

托管式 MCP 会将带有 wait: true 的异步 create_task 调用保持为请求范围内的 SSE,最长 300 秒。它大约每 5 秒轮询一次,每 15 秒左右发送一次 SSE 心跳;只有在 MCP 客户端提供了 progressToken 时,才会发送标准的 notifications/progress。最终的 JSON-RPC 响应会在同一数据流中到达,随后数据流关闭。

最终工具结果包含匹配的 structuredContent 和文本内容,其中包括 task_id、最终 status、completed: true 以及 RunAPI result。请参阅 examples/create-task-and-wait.arguments.json。

提交后不等待
Create the task but do not wait for completion.

预期行为:

  1. 助手生成一个不透明的 idempotency_key,并使用 wait: false 调用 create_task。
  2. 助手返回任务 ID。
  3. 之后你可以使用 get_task 查询状态。
安全地重试任务创建

create_task 要求提供一个长度为 1 到 512 个字符的不透明 idempotency_key。每个逻辑任务都生成一个新密钥,并将其与该任务使用的确切 service、action、model 和 params 一并保存。

如果连接关闭或超时,导致创建结果未知,请勿自动创建另一个任务。只有在确有需要时才重试,并使用相同密钥和相同输入。使用不同输入复用该密钥会返回冲突。请勿根据 JSON-RPC 请求 ID 或 X-Client-Request-Id 生成密钥。

当 Completion Wait 达到截止时间时,任务创建仍然成功。非错误结果的结构化内容和文本内容一致,其中包含 task_id、最新的 status、completed: false、wait_deadline_reached: true 和 next_action: "get_task"。继续调用 get_task;请勿创建替代任务。

如果在任务创建后轮询失败或连接关闭,任务仍可能正在处理中。继续调用 get_task;请勿创建替代任务。

提交专用参数请参见 examples/create-task.arguments.json。

检查账户余额
Check my RunAPI balance.

预期行为:

  1. 助手调用 check_balance。
  2. 如果未配置密钥,则调用 login 进行浏览器登录,或说明无头主机需要配置 RUNAPI_API_KEY。

目录覆盖范围

MCP Embedded Catalog 根据 RunAPI 的契约快照生成。 其中仅包含此服务版本可执行的模型。

模态使用方法
图像使用 list_models,并设置 modality: "image"
视频使用 list_models,并设置 modality: "video"
音频和音乐使用 list_models,并设置 modality: "audio"
实用工具使用 list_models,并设置 modality: "utility"

目录内容可能随版本发布而变化。 使用 list_models 获取当前的服务、操作和模型标识,使用 get_model_info 获取每个模型当前的限制条件。


定价

MiniMax H3 定价

RunAPI 定价通过 check_pricing 工具和公开定价页面提供。 请勿依赖 README 文件中的示例获取准确价格。

常用流程:

  1. 调用 list_models 查找候选模型。
  2. 使用 service、action 和 model 调用 check_pricing。
  3. 显示返回的当前价格,或提供 runapi.ai/pricing 链接。

免费的目录工具不会创建任务,也不会消耗账户余额。


平台设置

Claude Code、Cursor、Windsurf 和 VS Code

运行:

claude mcp add runapi -s user -- npx -y @runapi.ai/mcp

使用 -s user 进行全局安装,使其在所有项目中可用。 如果希望 Claude Code 在仓库中写入 .mcp.json,以便团队共享配置,请使用 -s project。

更改 MCP 配置后,请重启或重新加载 MCP 主机。

兼容性备用方案:生成配置

只有在主机需要特定平台的 JSON 文件,或无法使用 Claude Code MCP 命令时,才使用 init。

Claude Code 备用方案:

npx @runapi.ai/mcp init claude

这会在当前目录中写入 .mcp.json。

Cursor 备用方案:

npx @runapi.ai/mcp init cursor

这会写入 .cursor/mcp.json。 打开 Cursor 设置,确认 MCP 服务已启用。

VS Code 备用方案:

npx @runapi.ai/mcp init vscode

这会写入 .vscode/mcp.json。 VS Code 生成的配置使用顶层 servers 键和 type: "stdio"。

Windsurf 备用方案:

npx @runapi.ai/mcp init windsurf

这会为 init 命令指定的 Windsurf 目标写入生成的配置。

Roo Code

运行:

npx @runapi.ai/mcp init roo

这会写入 .roo/mcp.json。

手动配置

使用 examples/ 中的示例文件作为起点。 各平台的包装键和文件路径略有不同,但运行的命令都相同:

npx -y @runapi.ai/mcp

配置

服务按以下顺序读取配置:

  1. RUNAPI_API_KEY 环境变量,适用于无头环境和 CI 主机
  2. ~/.config/runapi/config.json,由 MCP login 工具或 runapi login 创建
  3. 不设置密钥,此时仍可使用免费目录工具

配置文件通常由 login 管理。预置的无头配置可以使用:

{
  "apiKey": "your_runapi_key"
}

你也可以设置自定义基础 URL,用于本地测试:

{
  "apiKey": "your_runapi_key",
  "baseUrl": "https://runapi.ai"
}

请勿提交真实 API 密钥。


数据同步

此软件包包含构建时的合约数据:

  • data/contract.json:目录、操作、模型 slug 和输入约束

发布新版本前,请从 RunAPI 源代码树刷新数据:

npm run sync:data

合约更新需要发布新版本的软件包。定价通过 RunAPI 运行时 API 查询,不使用软件包快照。


开发

npm install
npm run typecheck
npm test
npm pack --dry-run

在本地运行服务:

npm run dev

手动初始化冒烟测试:

printf '%s\n' '{"jsonrpc":"2.0","method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"test","version":"0.1.0"}},"id":1}' | npx tsx src/index.ts

软件包内容

npm 软件包包含:

  • 编译后的 dist/ 文件
  • 内嵌的 data/ 文件
  • 平台示例
  • 由此仓库生成的评测场景
  • README、变更日志、许可证和软件包元数据

其中不包含 node_modules、.env、本地配置文件或 API 密钥。


也可通过 CLI 使用

RunAPI 还提供了一个独立的命令行客户端,用于终端工作流。 如果你希望在 MCP 宿主中使用 RunAPI,请使用此 MCP 服务。 如果你需要直接执行 shell 命令、脚本或集成 CI,请使用 CLI。


许可证

根据 Apache License, Version 2.0 授权。

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。