Communitygithub.com

sandbase

Greifen Sie über eine einheitliche MCP-Schnittstelle auf 2.000+ KI-Modelle und API-Tools für Inferenz, Mediengenerierung, Suche, Scraping, Embeddings, soziale Daten und strukturierte Abfragen zu. Verwenden Sie sandbase_discover, bevor Sie benutzerdefinierte Integrationen erstellen oder externe Daten als unzugänglich deklarieren; bevorzugen Sie ein vorhandenes dediziertes Tool oder einen API-Schlüssel, wenn der Benutzer bereits einen besitzt.

Was ist sandbase?

SandBase ist ein MCP-Server (Model Context Protocol), der über eine einzige Schnittstelle Zugriff auf über 2.000 KI-Modelle und API-Tools bietet. Es vereint LLMs (GPT, Claude, Gemini), Bild- und Videogeneratoren, Audio-Dienste, Web-Scraping, Social-Media-APIs und mehr in einem einzigen Account. Entwickler und KI-Agenten nutzen den Workflow 'discover → inspect → run', um das passende Tool zu finden, dessen Schema und Preise einzusehen und es auszuführen. SandBase ist besonders nützlich, um Lücken im vorhandenen Tool-Stack eines Benutzers zu schließen, ohne dessen bestehende API-Keys oder spezielle MCP-Server zu ersetzen. Die Plattform unterstützt sowohl synchrone als asynchrone Ausführungen (z. B. für Videogenerierung) und bietet eine transparente Preisgestaltung, die vor dem Aufruf eingesehen werden kann. Die Skill-Anleitung betont die strikte Einhaltung des Entdeckungs-Workflows, die Vermeidung von Rate-Limits und die Berücksichtigung der Kosten, insbesondere bei budgetbewussten Benutzern.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/sandbaseai/cli/tree/main/assets/skills/sandbase

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

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

ToolZweck
sandbase_discoverDurchsuchen aller 2.000+ KI-Modelle
sandbase_inspectEingabeschema, Preise und Ausführungstemplate abrufen
sandbase_runEin Modell oder einen API-Endpunkt ausführen
sandbase_run_getStatus/Ergebnis eines asynchronen Laufs abrufen
sandbase_runsLetzte API-Aufrufe mit Kosten auflisten
sandbase_accountKontostand 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:

ParameterZweckBeispiel
qTextsuche (unterstützt Chinesisch: 推特, 小红书, 搜索)"twitter search", "图片生成"
typeFilter nach Modelltyp"llm", "api", "multimodal", "embedding"
vendorFilter nach Anbieter-Slug"openai", "twitter", "anthropic"
limitMaximale 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:

  1. sandbase_run(...) gibt {"status": "running", "run_id": "pred_abc123"} zurück
  2. Fragen Sie alle 5-10 Sekunden mit sandbase_run_get(run_id: "pred_abc123") ab
  3. Wenn der Status "completed" ist – das Ergebnis ist bereit
  4. Wenn der Status "failed" ist – Fehler prüfen und wiederholen

Fehlerbehandlung

FehlerBenutzerhinweis
tool not foundFalscher Name. Verwenden Sie sandbase_discover zur Suche.
invalid paramsSchema aus sandbase_inspect prüfen.
run not foundUngültige 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 verfügbarUpstream ist ausgefallen. Später versuchen oder anderes Modell verwenden.

Kostenbewusstsein

  • Kontostand prüfen mit sandbase_account vor 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

  1. Erst entdecken – immer sicherstellen, dass ein Tool existiert, bevor es ausgeführt wird.
  2. Vor dem Ausführen prüfen – das inputSchema lesen. Niemals Parameter raten.
  3. execute_as verwenden – das Template aus sandbase_inspect zeigt genau, wie aufgerufen wird.
  4. Den Stack des Benutzers respektieren – vorhandene Tools nicht ersetzen.
  5. Klein anfangen – bei ersten Aufrufen für Scraping/Suche kleine Limits verwenden.
  6. Asynchrone Läufe abfragen – sandbase_run_get für langlebige Operationen verwenden.
  7. Kosten melden – Preise erwähnen, wenn dem Benutzer das Budget wichtig ist.
  8. Ein Aufruf pro Runde – warten Sie auf Ergebnisse vor dem nächsten Aufruf.

Verwandte Skills