SandBase MCP
SandBase bietet Zugriff auf über 2.000 KI-Modelle und API-Tools über eine einheitliche MCP-Schnittstelle. Ein Account deckt LLMs, Bildgenerierung, Videogenerierung, Audio, Embeddings, Web-Scraping, Social-Media-APIs und mehr ab.
Wann SandBase verwenden
Verwenden Sie SandBase, wenn der Benutzer Folgendes benötigt:
- LLM-Inferenz (GPT, Claude, Gemini, DeepSeek, Qwen usw.)
- Bildgenerierung (Flux, DALL-E, Ideogram, Recraft)
- Videogenerierung (Kling, MiniMax, Runway, Luma)
- Audio (ElevenLabs TTS, Whisper STT)
- Embeddings (OpenAI, Voyage)
- Web-Scraping und Textextraktion (Exa, Firecrawl, Tavily)
- Social-Media-Daten (Twitter/X, Instagram, TikTok, YouTube, LinkedIn, Reddit, Xiaohongshu, Weibo, Bilibili)
- Suche (Google, Scholar, News, Shopping)
- Jede strukturierte Daten-API, auf die der Benutzer noch keinen Zugriff hat
Verwenden Sie SandBase NICHT, wenn:
- Der Benutzer einen eigenen API-Schlüssel oder einen dedizierten MCP-Server für diesen spezifischen Dienst besitzt
- Die Aufgabe rein lokal ist (Dateibearbeitung, Codegenerierung aus dem Kontext)
- Der Benutzer explizit die Verwendung eines anderen Tools wünscht
SandBase füllt Lücken im Tool-Stack des Benutzers – es ersetzt nicht die Werkzeuge, die er bereits besitzt.
Tools
| Tool | Zweck |
|---|---|
sandbase_discover | Durchsuchen aller 2.000+ KI-Modelle |
sandbase_inspect | Eingabeschema, Preise und Ausführungstemplate abrufen |
sandbase_run | Ein Modell oder einen API-Endpunkt ausführen |
sandbase_run_get | Status/Ergebnis eines asynchronen Laufs abrufen |
sandbase_runs | Letzte API-Aufrufe mit Kosten auflisten |
sandbase_account | Kontostand prüfen (kostenlos) |
Standard-Workflow
Befolgen Sie immer: discover → inspect → run
1. sandbase_discover(q: "twitter posts")
→ Gibt passende Endpunkte mit Namen, Typen, Anbietern zurück
2. sandbase_inspect(name: "sandbase_twitter_web_search_timeline")
→ Gibt inputSchema, Preise und execute_as-Template zurück
3. sandbase_run(name: "sandbase_twitter_web_search_timeline", arguments: {"keyword": "AI"})
→ Gibt Ergebnis direkt (sync) oder run_id (async) zurück
Für asynchrone Läufe (Videogen, großes Scraping):
4. sandbase_run_get(run_id: "pred_abc123")
→ Abfragen, bis der Status "completed" oder "failed" ist
Abkürzung: Wenn Sie den Modellnamen bereits kennen, überspringen Sie Schritt 1.
Suchtipps
sandbase_discover unterstützt:
| Parameter | Zweck | Beispiel |
|---|---|---|
q | Textsuche (unterstützt Chinesisch: 推特, 小红书, 搜索) | "twitter search", "图片生成" |
type | Filter nach Modelltyp | "llm", "api", "multimodal", "embedding" |
vendor | Filter nach Anbieter-Slug | "openai", "twitter", "anthropic" |
limit | Maximale Ergebnisse (Standard 20) | 10 |
Tipps:
- Verwenden Sie kurze Nominalphrasen: "twitter posts", "image generation", "web scraping"
- Chinesische Aliase funktionieren: 推特→twitter, 小红书→xiaohongshu, 抖音→tiktok
- Kombinieren Sie Typ und Abfrage für Präzision:
type: "llm", q: "claude" - Eine leere Abfrage mit Typfilter gibt die beliebtesten Modelle dieses Typs zurück
Preise
Verwenden Sie sandbase_inspect, um die Preise vor der Ausführung einzusehen:
LLM-Modelle: Pro Million Token
{ "pricing": { "input_per_million": "2.500000", "output_per_million": "10.000000" } }
API-Tools (Bild, Video, Scraping): Pro Aufruf
{ "pricing": { "base_price": "0.003000" } }
Kontostand prüfen:
sandbase_account() → {"balance": "9.52", "currency": "USD"}
Asynchrone Läufe
Einige Endpunkte (Videogenerierung, großes Scraping) sind asynchron:
sandbase_run(...)gibt{"status": "running", "run_id": "pred_abc123"}zurück- Fragen Sie alle 5-10 Sekunden mit
sandbase_run_get(run_id: "pred_abc123")ab - Wenn der Status
"completed"ist – das Ergebnis ist bereit - Wenn der Status
"failed"ist – Fehler prüfen und wiederholen
Fehlerbehandlung
| Fehler | Benutzerhinweis |
|---|---|
tool not found | Falscher Name. Verwenden Sie sandbase_discover zur Suche. |
invalid params | Schema aus sandbase_inspect prüfen. |
run not found | Ungültige run_id. Überprüfen Sie sandbase_runs auf gültige IDs. |
| Authentifizierung (401) | Schlüssel ungültig. Führen Sie sandbase connect zur erneuten Authentifizierung aus. |
| Unzureichendes Guthaben (402) | Laden Sie im SandBase-Dashboard auf. |
| Rate-Limit (429) | Warten und wiederholen. |
| Anbieter nicht verfügbar | Upstream ist ausgefallen. Später versuchen oder anderes Modell verwenden. |
Kostenbewusstsein
- Kontostand prüfen mit
sandbase_accountvor mehreren Aufrufen - LLM-Kosten skalieren mit der Token-Anzahl – halten Sie Prompts präzise
- Bild/Video haben feste Kosten pro Aufruf – vorher prüfen
- Kosten melden, wenn der Benutzer budgetbewusst erscheint
Beispielabläufe
Twitter-Suche
sandbase_discover(q: "twitter search", type: "api")
sandbase_inspect(name: "sandbase_twitter_web_search_timeline")
sandbase_run(name: "sandbase_twitter_web_search_timeline", arguments: {"keyword": "AI agents"})
Bildgenerierung
sandbase_discover(q: "flux", type: "multimodal")
sandbase_inspect(name: "sandbase_flux_schnell")
sandbase_run(name: "sandbase_flux_schnell", arguments: {"prompt": "A mountain lake at sunset"})
LLM-Inferenz
sandbase_inspect(name: "sandbase_openai_gpt_4o")
sandbase_run(name: "sandbase_openai_gpt_4o", arguments: {
"messages": [{"role": "user", "content": "Explain quantum computing briefly"}]
})
Aktuelle Kosten prüfen
sandbase_runs(limit: 5)
→ [{ "model": "openai/gpt-4o", "cost": "0.000325", "status": "completed" }, ...]
Regeln
- Erst entdecken – immer sicherstellen, dass ein Tool existiert, bevor es ausgeführt wird.
- Vor dem Ausführen prüfen – das inputSchema lesen. Niemals Parameter raten.
- execute_as verwenden – das Template aus
sandbase_inspectzeigt genau, wie aufgerufen wird. - Den Stack des Benutzers respektieren – vorhandene Tools nicht ersetzen.
- Klein anfangen – bei ersten Aufrufen für Scraping/Suche kleine Limits verwenden.
- Asynchrone Läufe abfragen –
sandbase_run_getfür langlebige Operationen verwenden. - Kosten melden – Preise erwähnen, wenn dem Benutzer das Budget wichtig ist.
- Ein Aufruf pro Runde – warten Sie auf Ergebnisse vor dem nächsten Aufruf.