Zum Hauptinhalt springen
Im CLI/MCP-Überblick wählen Sie nach Client aus. Die gemeinsamen Ressourcen in diesem Bereich behandeln Kosten, Aufträge, Dateien und Anweisungen für Agenten. EvoLink MCP stellt Modellsuche, Kostenschätzungen, Mediengenerierung, Referenzen, Aufträge und Guthaben als native Werkzeuge für Agenten bereit. Dieser Bereich behandelt MCP; Terminalbefehle und evolink-cli finden Sie im separaten CLI-Bereich. Diese Anleitung beschreibt das veröffentlichte MCP 1.12.1. Remote-MCP hat 16 Werkzeuge mit Browser-OAuth; lokales stdio hat 14 Werkzeuge mit einem persönlichen API Key. Fragen Sie vor der Ausführung die aktuellen Modelle und Eingaben des Kontos ab.

​
Ihren Assistenten wählen

Verbinden Sie sich per Streamable HTTP mit https://mcp.evolink.ai/mcp. Autorisieren Sie über den eigenen Einstiegspunkt des Clients, nicht über eine URL der Dokumentation.

Claude

Remote-Connector hinzufügen und im Browser autorisieren.

Codex

Remote-Server registrieren und MCP-OAuth abschließen.

Claude Code

HTTP-MCP hinzufügen und mit /mcp authentifizieren.

ChatGPT

Benutzerdefinierte MCP-Verbindung hinzufügen, anmelden und Werkzeuge aktivieren.

Cursor

Server-URL konfigurieren und im Client autorisieren.

OpenClaw

Gateway-Versionen mit OAuth-Unterstützung konfigurieren.

Hermes

MCP-Konfiguration zusammenführen, anmelden und Werkzeuge neu laden.

Weitere MCP-Clients

Allgemeine Einrichtung mit Streamable HTTP und OAuth.

Lokales MCP

stdio mit npx starten und mit einem persönlichen Key prüfen.

​
Schnellstart: Remote-MCP

1

Server hinzufügen

Fügen Sie ein benutzerdefiniertes MCP oder einen Connector mit dem Namen EvoLink und dieser Adresse hinzu: https://mcp.evolink.ai/mcp. Folgen Sie der Client-Anleitung oben; ein lokales MCP-Paket ist nicht erforderlich.
2

Im Browser anmelden und autorisieren

Wählen Sie OAuth, melden Sie sich bei EvoLink an, prüfen Sie Konto und Berechtigungen, stimmen Sie zu und kehren Sie zurück. Aktivieren Sie die Verbindung und die Werkzeuge. Die CLI-Anmeldung ersetzt nicht die MCP-Autorisierung des Hosts.
3

Tatsächliche Werkzeuge kostenlos prüfen

Senden Sie dies und prüfen Sie, ob tatsächliche Guthaben- und Modellergebnisse zurückkommen:
Erfolgreiche Aufrufe von check_balance und search_models belegen den Zugriff; eine Werkzeugliste allein tut das nicht. Diese Prüfung erstellt keinen kostenpflichtigen Medienauftrag.
Für Clients, die nur stdio unterstützen, folgen Sie der Einrichtung des lokalen MCP. Konfigurieren Sie dessen Start und Authentifizierung gesondert.

​
Ihre erste Generierung

Beschreiben Sie nach dem Verbinden Ihr Ziel:
Die Generierung verbraucht EvoLink-Credits. Diese Prompts weisen den Assistenten an, auf die Zustimmung zu warten. Kontoautorisierung, Werkzeugberechtigung des Hosts und Kostenzustimmung für den Auftrag sind voneinander getrennt. Natives MCP bietet keine serverseitige Zustimmungsschaltfläche in der Unterhaltung; der Agent muss die ausdrückliche Zustimmung für diesen Auftrag einholen. Lesen Sie Abrechnung und Autorisierung.

​
So funktioniert es

Remote-MCP läuft über Ihr Assistent → EvoLink MCP → Plattform-API. Der Host verwaltet die OAuth-Anmeldung; der Remote-Dienst führt die Werkzeuge aus. Chat-Clients im Browser benötigen weder Node.js noch EvoLink CLI. Lokales stdio läuft über Ihr Assistent → lokaler MCP-Prozess → Plattform-API. Installieren Sie Node.js 20+ auf dem Rechner, auf dem der Assistent läuft, lassen Sie den Host den Prozess starten und stellen Sie einen API Key der Plattform bereit. Zur Konfiguration siehe Weitere MCP-Clients. Beide Modi stellen die wichtigsten Werkzeuge für Modelle, Kostenschätzung, Generierung und Aufträge bereit. Remote-MCP stellt zusätzlich prepare_upload und get_upload bereit. Optionale Skills und Plugins liefern Bedienungsanleitungen; sie ersetzen weder die Registrierung des Servers noch die Kontoautorisierung noch die Werkzeugberechtigungen des Hosts. Diese Werkzeuge bieten keine Codeentwicklung, keinen lokalen Videoschnitt und keine Website-Erstellung. Der Host eines Agenten kann solche Funktionen selbst mitbringen; ordnen Sie sie dem Host zu, wenn Sie EvoLink beschreiben.

​
Schritt 1: Modell auswählen und Eingaben prüfen

Verwenden Sie search_models oder recommend_models für aktuelle Kandidaten und dann get_model für genaue IDs, unterstützte Funktionen, Pflichtfelder und Grenzen. Verwenden Sie search_docs für weitere Hinweise. Ein Familienname ist nicht unbedingt eine gültige ID zum Absenden. Auswahlreihenfolge, neuere Familien zum Vergleichen und Preisregeln finden Sie unter Modelle, Kosten und Kontingente. Prüfen Sie den aktuellen Katalog des Kontos und die Eingaben; Beispielmodelle sind keine Standardempfehlungen. Das folgende Beispiel verwendet z-image-turbo. Prüfen Sie die Parameter, bevor Sie ein Modell verwenden:

​
Schritt 2: Referenzen vorbereiten

Bei reinen Texteingaben können Sie Uploads überspringen. Prüfen Sie bei Referenzbildern, Referenzvideos oder Referenzaudio zuerst unterstützte Typen, Anzahlen und Größengrenzen.
  1. Erreichbare URL: Rufen Sie upload_file mit file_url auf. Der Server muss die URL abrufen können; ein Pfad auf dem Computer des Benutzers ist keine öffentliche URL.
  2. Kleine Inline-Datei: Das upload_file des Remote-MCP akzeptiert bis zu 1 MiB base64-Inhalt und braucht einen passenden MIME-Typ. Halten Sie große Dateien aus Werkzeugnachrichten heraus.
  3. Lokale Datei für Remote-MCP: Rufen Sie prepare_upload auf, laden Sie aus einer Umgebung mit Dateizugriff und HTTP-Funktionen hoch und prüfen Sie dann den Beleg mit get_upload. Die Upload-Grenze beträgt 95 MiB, vorbehaltlich der Einschränkungen des Modells. Die Upload-Autorisierung ist einmalig verwendbar und läuft nach etwa 15 Minuten ab; Status-URLs bleiben etwa eine Stunde gültig.
  4. Lokales stdio: upload_file unterstützt einen lokalen file_path. Das ist ein absoluter Pfad auf dem Rechner des MCP-Prozesses, nicht automatisch auf dem Computer des Chat-Benutzers. Die Grenzen von Dateidienst und Modell gelten weiterhin.
Ein Chat-Anhang wird nicht automatisch zu einer für das Modell nutzbaren URL. Kann der Host keine Dateien lesen oder hochladen, bitten Sie um eine erreichbare URL. Bewahren Sie die ursprüngliche upload_id auf, wenn der Ausgang unbekannt ist; laden Sie nicht sofort erneut hoch. Die Kompatibilität der Belege hängt vom Deployment des Dateidienstes ab. Referenzen bleiben in der Regel 72 Stunden erhalten; laden Sie abgelaufene Eingaben erneut hoch und aktualisieren Sie die Anfrage.

​
Schritt 3: Kosten schätzen, zustimmen und ein Bild generieren

Bereiten Sie die endgültigen Eingaben vor, bevor Sie schätzen. Zeigen Sie Modell, Bildanzahl, Größe, Inhalt und die geschätzten Kosten. Eine Kostenschätzung garantiert nicht die endgültige Abrechnung. Was die veröffentlichten Preise abdecken und wo ihre Grenzen liegen, lesen Sie unter Kosten.
Rufen Sie die Generierung erst nach ausdrücklicher Zustimmung zu diesem Plan und den geschätzten Kosten auf. client_request_id ist eine stabile Anfragekennung mit 16–96 Zeichen; Wiederholungen derselben Übermittlung müssen deren Kennung und Eingaben beibehalten. Das Budget unten veranschaulicht nur den Parameter; legen Sie es nach dem ausdrücklichen Budget des Benutzers fest:
max_cost_usd ist eine Prüfung vor dem Absenden, keine durchgesetzte Obergrenze für die endgültige Abbuchung. estimate_cost akzeptiert es nicht. Die Berechtigung des Hosts, ein Werkzeug aufzurufen, ist für sich genommen keine Zustimmung zum Kauf. Sagen Sie dem Assistenten, dass er nicht schätzen oder bestätigen soll (zum Beispiel „direkt generieren“), übergibt er skip_estimate: true und sendet in dem von Ihnen genannten Umfang ohne Rückfrage ab; siehe Generieren ohne Kostenschätzung. Für mehrere Bilder oder Aufträge mit einem Modell übergibt er inputs (bis zu 50) an estimate_cost und das Generierungswerkzeug: eine Kostenschätzung, eine Zustimmung und ein Aufruf, der alle task_id auf einmal zurückgibt. Siehe Batches.

​
Video: Dauer, Auflösung, Ton und Referenzen prüfen

Ermitteln Sie mit get_model die genaue ID für Text-zu-Video oder Bild-zu-Video. Dauer, Auflösung, Tonoptionen und Referenzvideo können den Preis beeinflussen; verwenden Sie keine Kostenschätzung für andere Eingaben wieder. Aufträge innerhalb derselben Familie können unterschiedliche IDs verwenden. Parameter prüfen → Referenzen hochladen → estimate_cost mit den endgültigen Eingaben aufrufen → Plan zeigen und ausdrückliche Zustimmung einholen → generate_video mit diesen Eingaben aufrufen → ursprünglichen Auftrag abfragen → Originalvideo übergeben. Wird media_seconds benötigt, verwenden Sie die gemessene Eingabedauer. Halten Sie an, wenn erforderliche Messwerte unbekannt sind, die Preisangaben unvollständig sind oder ein Budgetvergleich nicht abgeschlossen werden kann. Reparieren Sie ein graues Vorschaubild nicht, indem Sie das fertige Video automatisch bearbeiten oder neu generieren.

​
Audio: Musik und Sprache unterscheiden

Vergleichen Sie für Musik die verfügbaren Modelle von Suno v6; verwenden Sie für gesprochene Texte oder Voiceover ein geeignetes Sprachsynthese-Modell. Prüfen Sie die Modellparameter, bereiten Sie Text, Sprache, Stimme, Liedtext, Dauer oder Referenzaudio vor, schätzen Sie dann die Kosten der endgültigen Eingaben, holen Sie die Zustimmung ein und rufen Sie generate_audio auf. Unvollständige Preisangaben für Audio bedeuten keine kostenlose Nutzung. Übergeben Sie die Original-Audio-URLs des abgeschlossenen Auftrags, behalten Sie alle zurückgegebenen Ausgaben und erläutern Sie ihr tatsächliches Format und wie man sie speichert.

​
Schritt 4: warten, abfragen und den ursprünglichen Auftrag wiederaufnehmen

Die Generierung kann ein Ergebnis oder eine task_id zurückgeben. Fragen Sie diesen Auftrag ab, statt die Generierung erneut abzusenden. get_task.wait_seconds wartet innerhalb eines Aufrufs und akzeptiert 0–45 Sekunden. Eine Zeitüberschreitung beim Warten beendet nur dieses Warten.
Verwenden Sie list_tasks mit task_ids für Batch-Abfragen oder dessen Filter für den Verlauf. Läuft das Absenden in eine Zeitüberschreitung, bevor eine Kennung zurückkommt, bewahren Sie die ursprüngliche Anfragekennung, die Eingaben, die Anmeldedaten und den Fehler für die Wiederaufnahme auf. Wechseln Sie zur Fehlerbehebung weder Identität noch Kennung, um erneut zu generieren. Derzeit gibt es kein nutzbares öffentliches Werkzeug zum Abbrechen in der Warteschlange. Das Beenden des Wartens eines Agenten, das Schließen einer Seite oder das Trennen von MCP bricht den Auftrag auf dem Server nicht ab und belegt weder, dass nichts abgebucht wurde, noch, dass eine Erstattung abgeschlossen ist.

​
Schritt 5: Originalergebnisse übergeben

Geben Sie nach dem Abschluss erreichbare Original-URLs zusammen mit Modell, Anzahl der Ausgaben, bekannten Kosteninformationen und Ablaufzeit zurück. Generierte Originale bleiben in der Regel 24 Stunden erhalten; speichern Sie sie zügig. Ein Host kann zusätzlich Vorschauen darstellen. Prüfen Sie zuerst die Original-URL, wenn ein Ergebnis nur als Link erscheint oder das Vorschaubild grau ist. Prüfen Sie vor dem Speichern HTTP-Status, Inhaltstyp und das tatsächliche Dateiformat. Eine Fehlerseite ist keine Mediendatei. Kontrollierter Python-Code für den Download kann einen Produkt-User-Agent setzen, wenn seine Standardanfrage blockiert wird; siehe Fehlerbehebung beim Download. Beheben Sie Probleme bei Übergabe oder Vorschau nicht durch eine Neugenerierung ohne Zustimmung. Verlangt der Benutzer gesondert eine Bearbeitung, nutzen Sie die entsprechenden Funktionen des Hosts und holen Sie jede erforderliche Kostenzustimmung ein. Argumente und Ergebnisse finden Sie in der MCP-Werkzeugreferenz, die vollständigen Anweisungen für Agenten unter Skills und lesbare Ressourcen.