MYAI168 MCP CLI

MYAI168 MCP 是把本站對話模型包裝成 MCP（Model Context Protocol） 伺服器的對外端點，讓支援 MCP 的用戶端把本站模型當成「工具（tool）」直接呼叫，不需要開瀏覽器。本頁說明用開發者金鑰（dev_key）從指令列／程式連線（Claude Code、mcp-remote 或自寫程式）；傳輸採 Streamable HTTP（JSON-RPC 2.0），每次呼叫成功會自動扣點數，發生任何錯誤一律不扣點。

若你用的是 Claude.ai 等只能填網址、需用 OAuth 授權的網頁或應用程式用戶端，請改看「MYAI168 MCP 網頁及應用程式」分頁（免開發者金鑰）。

開發者金鑰取得網址：https://www.myai168.com/ntou/ai/user/developer

端點與認證

• 端點網址：https://www.myai168.com/ntou/mcp/（請保留結尾斜線）。
• 傳輸：MCP Streamable HTTP，所有請求以 POST 送 JSON-RPC 2.0 內容。
• 認證：HTTP 標頭 Authorization: Bearer YOUR_DEV_KEY（每次請求都必帶）。

可用工具（tools）

本站每個已開通的 AI 模組都各對應一個工具（聊天、影像、影片、語音、工具類等）；完整清單請以 tools/list 查詢，會依本站開通狀況動態回傳。所有工具參數相同：input（必填，要送給模組的問題、指令或內容）、search_internet（選填，設為 true 且該模組支援時，先上網搜尋再回答）。

常見工具範例：

• claude_opus_4_8 — Anthropic Claude Opus 4.8
• chatgpt_5_5 — OpenAI GPT-5.5
• gemini_3_5_flash — Google Gemini 3.5 Flash

工具名稱即模組代號（含「.」者以「_」取代，例 qwen3.5_397b_a17b → qwen3_5_397b_a17b）。部分需上傳檔案的模組（如圖片轉提示詞、PDF 對話、語音辨識）目前以純文字介面呼叫；實際可用的模組依本站開通狀況而定。

在 MCP 用戶端設定

以 Claude Code CLI 為例（單行指令）：

claude mcp add --transport http myai168 https://www.myai168.com/ntou/mcp/ --header "Authorization: Bearer YOUR_DEV_KEY"

或在支援 MCP 的用戶端設定檔（mcp-remote）填入：

{
  "mcpServers": {
    "myai168": {
      "command": "npx",
      "args": ["mcp-remote", "https://www.myai168.com/ntou/mcp/", "--header", "Authorization: Bearer YOUR_DEV_KEY"]
    }
  }
}

curl 範例

列出可用工具（需開發者金鑰）：

curl -s https://www.myai168.com/ntou/mcp/ -H "Content-Type: application/json" -H "Authorization: Bearer YOUR_DEV_KEY" -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

呼叫模型（需開發者金鑰）：

curl -s https://www.myai168.com/ntou/mcp/ -H "Content-Type: application/json" -H "Authorization: Bearer YOUR_DEV_KEY" -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"claude_opus_4_8","arguments":{"input":"你好，請自我介紹"}}}'

Python 範例

列出可用工具（需開發者金鑰）：

import requests

url = "https://www.myai168.com/ntou/mcp/"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_DEV_KEY",
}
payload = {"jsonrpc": "2.0", "id": 1, "method": "tools/list"}
r = requests.post(url, headers=headers, json=payload)
for tool in r.json()["result"]["tools"]:
    print(tool["name"], "-", tool.get("description", ""))

呼叫模型（需開發者金鑰）：

import requests

url = "https://www.myai168.com/ntou/mcp/"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_DEV_KEY",
}
payload = {
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
        "name": "claude_opus_4_8",
        "arguments": {"input": "你好，請自我介紹"},
    },
}
r = requests.post(url, headers=headers, json=payload)
data = r.json()
print(data["result"]["content"][0]["text"])

回應格式

回應為單一 JSON-RPC 結果（Content-Type: application/json）。模型答案在 result.content[0].text；本次扣點與剩餘點數放在 result._meta。發生模型錯誤時 result.isError 為 true。

計費：每次成功呼叫依模型計價自動扣點數；若發生任何錯誤一律不扣點。點數不足時會回覆提示，不會呼叫模型。