Communitygithub.com

sandbase

Accede a más de 2,000 modelos de IA y herramientas API a través de una única interfaz MCP para inferencia, generación de medios, búsqueda, scraping, embeddings, datos sociales y recuperación estructurada. Usa sandbase_discover antes de crear integraciones personalizadas o declarar datos externos inaccesibles; prefiere una herramienta dedicada o clave API existente cuando el usuario ya la tenga.

¿Qué es sandbase?

SandBase es un sistema MCP (Model Context Protocol) unificado que proporciona acceso a más de 2,000 modelos de IA y herramientas API a través de una sola cuenta. Cubre desde inferencia de LLMs (GPT, Claude, Gemini, DeepSeek, Qwen) hasta generación de imágenes (Flux, DALL-E, Ideogram), video (Kling, MiniMax, Runway), audio (ElevenLabs TTS, Whisper STT), embeddings (OpenAI, Voyage), scraping web (Exa, Firecrawl, Tavily), datos de redes sociales (Twitter, Instagram, TikTok, YouTube, LinkedIn, Reddit, Xiaohongshu, Weibo, Bilibili) y búsqueda (Google, Scholar, News, Shopping). Está diseñado para llenar vacíos en el stack de herramientas del usuario, reemplazando la necesidad de múltiples suscripciones y claves API. Su flujo de trabajo recomendado es 'descubrir → inspeccionar → ejecutar' usando las herramientas sandbase_discover, sandbase_inspect y sandbase_run. Soporta ejecución síncrona y asíncrona, con polling mediante sandbase_run_get para operaciones largas (como generación de video o scraping masivo). Incluye manejo de errores detallado y conciencia de costos, permitiendo verificar saldo con sandbase_account y costos de ejecuciones recientes con sandbase_runs.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

SandBase MCP

SandBase proporciona acceso a más de 2,000 modelos de IA y herramientas API a través de una interfaz MCP unificada. Una sola cuenta cubre LLMs, generación de imágenes, generación de video, audio, embeddings, scraping web, APIs de redes sociales y más.


Cuándo Usar SandBase

Usa SandBase cuando el usuario necesite:

  • Inferencia de LLM (GPT, Claude, Gemini, DeepSeek, Qwen, etc.)
  • Generación de imágenes (Flux, DALL-E, Ideogram, Recraft)
  • Generación de video (Kling, MiniMax, Runway, Luma)
  • Audio (ElevenLabs TTS, Whisper STT)
  • Embeddings (OpenAI, Voyage)
  • Web scraping y extracción de contenido (Exa, Firecrawl, Tavily)
  • Datos de redes sociales (Twitter/X, Instagram, TikTok, YouTube, LinkedIn, Reddit, Xiaohongshu, Weibo, Bilibili)
  • Búsqueda (Google, Scholar, News, Shopping)
  • Cualquier API de datos estructurados a la que el usuario no tenga acceso actualmente

NO uses SandBase cuando:

  • El usuario tiene su propia clave API o servidor MCP dedicado para ese servicio específico
  • La tarea es puramente local (edición de archivos, generación de código desde el contexto)
  • El usuario pide explícitamente usar una herramienta diferente

SandBase llena vacíos en el stack del usuario — no reemplaza las herramientas que ya tiene.


Herramientas

HerramientaPropósito
sandbase_discoverBuscar entre los más de 2,000 modelos de IA
sandbase_inspectObtener esquema de entrada, precio y plantilla de ejecución
sandbase_runEjecutar un modelo o endpoint de API
sandbase_run_getObtener estado/resultado de una ejecución asíncrona
sandbase_runsListar llamadas recientes a la API con costo
sandbase_accountConsultar saldo de la cuenta (gratuito)

Flujo de Trabajo Estándar

Sigue siempre: descubrir → inspeccionar → ejecutar

1. sandbase_discover(q: "publicaciones twitter")
   → Devuelve endpoints coincidentes con nombres, tipos y proveedores

2. sandbase_inspect(name: "sandbase_twitter_web_search_timeline")
   → Devuelve inputSchema, precio y plantilla execute_as

3. sandbase_run(name: "sandbase_twitter_web_search_timeline", arguments: {"keyword": "IA"})
   → Devuelve resultado directamente (síncrono) o run_id (asíncrono)

Para ejecuciones asíncronas (generación de video, scraping grande):

4. sandbase_run_get(run_id: "pred_abc123")
   → Consulta hasta que el estado sea "completed" o "failed"

Atajo: Si ya conoces el nombre del modelo, omite el paso 1.


Consejos de Búsqueda

sandbase_discover admite:

ParámetroPropósitoEjemplo
qBúsqueda de texto (admite chino: 推特, 小红书, 搜索)"búsqueda twitter", "图片生成"
typeFiltrar por tipo de modelo"llm", "api", "multimodal", "embedding"
vendorFiltrar por proveedor"openai", "twitter", "anthropic"
limitMáximo de resultados (por defecto 20)10

Consejos:

  • Usa frases nominales cortas: "publicaciones twitter", "generación de imágenes", "web scraping"
  • Los alias en chino funcionan: 推特→twitter, 小红书→xiaohongshu, 抖音→tiktok
  • Combina tipo + consulta para precisión: type: "llm", q: "claude"
  • Consulta vacía con filtro de tipo devuelve modelos populares de ese tipo

Precios

Usa sandbase_inspect para ver el precio antes de ejecutar:

Modelos LLM: Por millón de tokens

{ "pricing": { "input_per_million": "2.500000", "output_per_million": "10.000000" } }

Herramientas API (imagen, video, scraping): Por llamada

{ "pricing": { "base_price": "0.003000" } }

Consultar saldo:

sandbase_account() → {"balance": "9.52", "currency": "USD"}

Ejecuciones Asíncronas

Algunos endpoints (generación de video, scraping grande) son asíncronos:

  1. sandbase_run(...) devuelve {"status": "running", "run_id": "pred_abc123"}
  2. Consulta con sandbase_run_get(run_id: "pred_abc123") cada 5-10 segundos
  3. Cuando el status es "completed" — el resultado está listo
  4. Cuando el status es "failed" — verifica el error y reintenta

Manejo de Errores

ErrorOrientación al Usuario
tool not foundNombre incorrecto. Usa sandbase_discover para buscar.
invalid paramsVerifica el esquema desde sandbase_inspect.
run not foundrun_id inválido. Revisa sandbase_runs para IDs válidos.
Autenticación (401)Clave inválida. Ejecuta sandbase connect para reautenticarte.
Saldo insuficiente (402)Recarga en el Panel de SandBase.
Límite de tasa (429)Espera y reintenta.
Proveedor no disponibleEl servicio está caído. Intenta más tarde o usa un modelo diferente.

Conciencia de Costos

  • Revisa el saldo con sandbase_account antes de múltiples llamadas
  • Los costos de LLM escalan con el conteo de tokens — mantén las indicaciones concisas
  • Imagen/video tienen costos fijos por llamada — inspecciona primero
  • Informa los costos cuando el usuario parezca consciente del presupuesto

Flujos de Ejemplo

Búsqueda en Twitter

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": "agentes de IA"})

Generación de imágenes

sandbase_discover(q: "flux", type: "multimodal")
sandbase_inspect(name: "sandbase_flux_schnell")
sandbase_run(name: "sandbase_flux_schnell", arguments: {"prompt": "Un lago de montaña al atardecer"})

Inferencia de LLM

sandbase_inspect(name: "sandbase_openai_gpt_4o")
sandbase_run(name: "sandbase_openai_gpt_4o", arguments: {
  "messages": [{"role": "user", "content": "Explica brevemente la computación cuántica"}]
})

Revisar costos recientes

sandbase_runs(limit: 5)
→ [{ "model": "openai/gpt-4o", "cost": "0.000325", "status": "completed" }, ...]

Reglas

  1. Descubre primero — siempre verifica que una herramienta exista antes de ejecutarla.
  2. Inspecciona antes de ejecutar — lee el inputSchema. Nunca adivines los parámetros.
  3. Usa execute_as — la plantilla de sandbase_inspect muestra exactamente cómo llamar.
  4. Respeta el stack del usuario — no reemplaces sus herramientas existentes.
  5. Empieza pequeño — usa límites pequeños en las primeras llamadas para herramientas de scraping/búsqueda.
  6. Consulta ejecuciones asíncronas — usa sandbase_run_get para operaciones largas.
  7. Informa costos — menciona el precio cuando al usuario le importe el presupuesto.
  8. Una llamada por turno — espera los resultados antes de la siguiente llamada.

Skills relacionados