mcpField
R
Replicate

Replicate

远程服务
pipeworx.ioAI 与智能体05 周前更新

关于 Replicate

Replicate MCP 服务封装 Replicate API,供应用查找模型并运行预测。它还支持管理预测与部署,并提供模型目录和账户相关查询。

主要功能

  1. 01搜索并浏览公开模型及集合
  2. 02查看模型和版本详情
  3. 03创建、查询及取消预测
  4. 04通过部署运行预测
  5. 05查询账户与可用硬件

适用场景

  1. 01查找适合任务的公开模型
  2. 02提交模型预测并跟踪完成状态
  3. 03通过 webhook 接收预测通知
  4. 04检查部署、账户和硬件信息

MCP 相关

向 MCP 客户端提供 Replicate 的模型、预测、部署和账户工具。可通过 Pipeworx 网关连接,也可作为本地 stdio MCP 服务运行。

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://gateway.pipeworx.io/replicate/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。

工具

详细介绍

@pipeworx/replicate

Replicate MCP — 运行开源模型(Flux、Llama、Whisper 等)并管理预测。注册即可获得免费试用额度。

属于 Pipeworx — 一个连接 AI Agent 与 1683+ 个实时数据源的 MCP 网关。

身份验证

  • 平台:PLATFORM_REPLICATE_KEY。自带密钥:?_apiKey=…。

工具(模型)

  • list_models(cursor?) — 列出公开模型
  • model(owner, name) — 模型详情
  • model_versions(owner, name) — 列出版本
  • model_version(owner, name, version_id) — 版本详情
  • search_models(query) — 搜索模型
  • collections() — 模型集合
  • collection(slug) — 集合详情

工具(预测)

  • create_prediction(version, input, webhook?, webhook_events_filter?, stream?) — 启动模型运行
  • prediction(id) — 单个预测(轮询以检查是否完成)
  • list_predictions(cursor?) — 最近的预测
  • cancel_prediction(id) — 取消正在运行的预测

工具(部署)

  • list_deployments(cursor?) — 列出你的部署
  • deployment(owner, name) — 部署详情
  • create_deployment_prediction(owner, name, input, webhook?, webhook_events_filter?, stream?) — 通过部署运行(冷启动更快)

工具(账户)

  • account() — 你的账户
  • hardware() — 可用的硬件类型

备注

  • create_prediction 会立即返回处于 starting 或 processing 状态的预测。轮询 prediction(id),直到 status 为 succeeded 或 failed;也可以传入 webhook URL 接收通知。
  • 对于 LLM 风格的流式传输,传入 stream=true,并使用返回的 urls.stream SSE 端点。

数据源

https://api.replicate.com/v1

快速开始

添加到你的 MCP 客户端(Claude Desktop、Cursor、Windsurf 等):

{
  "mcpServers": {
    "replicate": {
      "url": "https://gateway.pipeworx.io/replicate/mcp"
    }
  }
}
此端点实际提供的内容

https://gateway.pipeworx.io/replicate/mcp 上的 tools/list 会返回上表中的工具, 以及 Pipeworx 共享元工具——ask_pipeworx、 discover_tools、search_within、remember/recall,以及网关全局工具集中的其他工具。因此,你看到的工具数量会多于此表所列:单个工具包端点目前会在该工具包自身的工具之外,列出约 30 个共享工具。连接的 initialize 响应会说明其确切范围,是当天情况的权威依据。

这是有意为之,并非意外的多路复用。元工具让范围受限的连接也能回答此工具包未覆盖的问题——通过 ask_pipeworx 在整个目录中路由——而无需添加第二个 MCP 服务。目前无法挂载不含这些工具的工具包端点;如果额外的架构所耗费的上下文超过了路由带来的价值,请连接一次完整网关,而不是连接多个工具包端点。

也可以连接完整的 Pipeworx 网关,直接列出每个工具包的工具,而不只是此工具包的工具:

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

这两个 URL 都会连接到同一个网关和同一组 1683+ 个数据源。唯一的区别在于直接列出哪个工具包的工具;无论连接哪一个,ask_pipeworx 都能访问所有工具。

没有 MCP 客户端?通过 HTTP 调用

curl -X POST https://gateway.pipeworx.io/v1/tools/replicate_list_models \
  -H 'Content-Type: application/json' \
  -d '{}'

首次调用无需账户。查看任意工具:GET https://gateway.pipeworx.io/v1/tools/replicate_list_models。查找工具:使用 {"query":"..."} 向 https://gateway.pipeworx.io/v1/tools/search_packs 发送 POST 请求。

独立运行(无需网关账户)

此软件包也可作为本地 stdio MCP 服务运行——无需 Pipeworx 账户,也无需往返网关:

{
  "mcpServers": {
    "replicate": {
      "command": "npx",
      "args": ["-y", "@pipeworx/mcp-replicate"]
    }
  }
}

或者直接运行,以确认它可以启动:

npx -y @pipeworx/mcp-replicate

它通过 stdin/stdout 使用 MCP 通信,并针对仅此工具包的工具响应 initialize/tools/list/tools/call——不包含上方网关连接额外提供的任何共享元工具。数据源相同,工具相同,但没有 ask_pipeworx 路由。

使用 ask_pipeworx

无需直接调用工具,你可以用通俗的英语提问—— 这在上方的 pack 端点和完整网关上都适用:

ask_pipeworx({ question: "your question about Replicate data" })

网关会选择合适的工具并自动填入参数。

更多信息

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。