MCP server

Samsa betreibt einen remote Model Context Protocol (MCP) server, sodass jeder MCP-fähige Client — Claude, ChatGPT, Claude Code, Cursor, n8n und mehr — das Samsa-Studio deiner Organisation als eine Reihe von Tools steuert. Generiere Bilder mit deinen trainierten style-, object-, person- und setting-Modellen, führe Magic Edit aus, produziere Video und prüfe dein Credit-Guthaben — alles aus der App oder dem Agenten heraus, in dem du bereits arbeitest. Nichts zu installieren: nur eine URL und ein Login.

Bilder generieren

Verwandle einen Prompt in Bilder und komponiere dabei optional die trainierten style-, object-, person- und setting-Modelle sowie Farbpaletten deiner Organisation.

Magic Edit

Bearbeite ein bestehendes Bild per Prompt — mit oder ohne Maske — und nutze dieselben trainierten Modelle für markenkonforme Ergebnisse.

Video erstellen

Produziere Video aus einem Startframe, aus Text oder aus Text, der mit deinen trainierten Modellen gestylt ist — alles als ein einziger Tool-Aufruf.

Jobs & Credits verfolgen

Frage jeden Job bis zum Abschluss ab und lies das verbleibende Credit-Guthaben deiner Organisation — Reads sind immer kostenlos.

Server URL — füge diesen einen Endpoint zu jedem MCP client hinzu:

https://api.samsa.ai/mcp

Es ist ein remote Server über Streamable HTTP — nichts zu installieren, kein lokaler Prozess zum Ausführen, und ein einziger Pfad (/mcp, ohne abschließenden Slash) bedient beide Authentifizierungsmodi. Der Transport ist zustandslos: Jeder Tool-Aufruf gibt eine einzelne JSON-Antwort zurück, und Generierungs-Tools liefern sofort eine Job-id, sodass nichts einen langlebigen Stream offen hält.

In drei Schritten verbunden

Hol dir deine Zugangsdaten

Interaktive Apps — Claude und ChatGPT — melden sich mit OAuth an; du bestätigst einen Consent-Screen in der Samsa-App und fügst nie einen Key ein. Headless Clients — Claude Code, Cursor, n8n, SDKs — verwenden einen API key, der in Settings → API Keys erstellt wird.

Füge den Server hinzu

Richte deinen Client auf https://api.samsa.ai/mcp. Es gibt nichts zu installieren und keinen lokalen Prozess — siehe deinen Client unten für die genaue einmalige Einrichtung.

Leg los mit dem Erstellen

Dein Client listet die neun Samsa-Tools. Bitte ihn, ein Bild zu generieren, einen Magic Edit auszuführen, ein Video zu erstellen oder deine trainierten Modelle zu erstellen und zu aktualisieren — er reicht jeden Job ein und fragt die asynchronen bis zum Abschluss für dich ab.

Authentifizierung

Der MCP-Endpoint akzeptiert zwei Arten von Zugangsdaten auf derselben URL. Wähle die, die zu deinem Client passt:

Modus	Am besten für	Wie es funktioniert
OAuth 2.1	Interaktive Apps — Claude (Web/Desktop), ChatGPT	Du meldest dich mit deinem Samsa-Konto an und bestätigst einen Consent-Screen in der App. Der Client verwaltet das Token; du fügst nie einen Key ein.
API key (`samsa_sk_…`)	Headless Clients — Claude Code, Cursor, VS Code, n8n, SDKs	Sende `Authorization: Bearer samsa_sk_…`. Erstelle Keys in Settings → API Keys; die Scopes des Keys steuern, welche Tools er aufrufen kann.

Beide handeln für eine Organisation: Credits werden aus dem Pool dieser Organisation gezogen und generierte Assets erscheinen in der App unter dem verbundenen Konto. Siehe Authentifizierung dazu, wie Keys, Scopes und Organisationen funktionieren.

Der OAuth-Login folgt dem Standard-MCP-Flow: Der Client entdeckt Samsas Authorization-Server aus dem 401-Challenge, registriert sich dynamisch (PKCE, kein Client-Secret) und schickt dich durch einen Consent-Screen, bevor er ein kurzlebiges Access-Token austauscht. Der interaktive Browser-Consent-Flow ist in Early Access — wenn ein Login nicht abschließt, sag uns unter support@samsa.ai Bescheid.

Tools

Der Server stellt neun Tools bereit. Die vier Reads (list_models, get_model, get_job_status, get_credit_balance) und die beiden Modell-Verwaltungs-Tools (create_model, update_model) sind kostenlos; die drei Generierungs-Tools kosten Credits aus dem Pool deiner Organisation, zu denselben Raten wie App und REST API.

Tool	Was es tut	Scope	Kosten
`list_models`	Listet die einsatzbereiten trainierten Modelle deiner Organisation (id, name, category, thumbnail).	`models.read`	Kostenlos
`get_model`	Vollständige Details zu einem Modell — status, Referenzbilder, Default-Prompt, Trigger-Wörter.	`models.read`	Kostenlos
`create_model`	Trainiert ein neues Modell aus 1–10 Referenzbildern (async).	`models.write`	Kostenlos
`update_model`	Aktualisiert Name, Default-Prompt und/oder die stets angewandte Instruction eines Modells.	`models.write`	Kostenlos
`generate_image`	Generiert Bilder aus einem Prompt und komponiert dabei optional deine trainierten Modelle.	`images.generate`	5 × outputs × Auflösung
`edit_image`	Magic Edit — bearbeitet ein Bild per Prompt.	`images.edit`	5 pro output
`generate_video`	Generiert Video aus einem Startframe, aus Text oder aus Text, der mit deinen Modellen gestylt ist.	`videos.generate`	5 / Sekunde × Engine × Auflösung × Audio
`get_job_status`	Fragt einen eingereichten Bild-, Edit-, Video- oder Modell-Job nach Status und Ergebnissen ab.	Scope des einreichenden Tools	Kostenlos
`get_credit_balance`	Liest das verbleibende Credit-Guthaben deiner Organisation und den Abrechnungszeitraum.	`usage.read`	Kostenlos

Ein Tool-Aufruf, der wegen eines fehlenden Scopes abgelehnt wird, gibt einen strukturierten Tool-Fehler zurück (keinen Crash) und nennt den benötigten Scope. Keys werden standardmäßig mit allen Scopes erstellt; ein Admin kann einen Key in Settings → API Keys einschränken oder erweitern.

Parameter

list_models(category?)

category (optional) — filtert auf eines von style, object, person, setting.

Gibt die einsatzbereiten Modelle deiner Organisation mit id, name, category und einer presigned thumbnail_url zurück. Verwende die ids oder Namen als style_id / object_ids / person_ids / setting_ids in generate_image und generate_video — ein Name wird zu einem für dich sichtbaren Modell aufgelöst.

get_model(model_id)

model_id (erforderlich) — die id des Modells.

Gibt vollständige Details zurück: status, Einsatzbereitschaft, presigned URLs der Referenzbilder, den Default-Prompt und Trigger-Wörter.

create_model(name, category, images, …)

name (erforderlich) — der Modellname.
category (erforderlich) — eines von style, object, person, setting.
images (erforderlich) — 1–10 Referenzbilder. Jedes ist entweder eine öffentliche https-URL oder ein inline base64-Data-URI (data:image/png;base64,…) — image/jpeg, image/png oder image/webp, je ≤ 10 MB.
instruction (optional) — die stets angewandte Guidance des Modells (≤ 8000 Zeichen), die als verbindliche (“MUST FOLLOW”) Vorgabe in jede Generierung eingespeist wird, die das Modell komponiert. Siehe Modelltraining.
webhook_url (optional) — eine https-URL, die einmal benachrichtigt wird, sobald das Training einen finalen Status erreicht.

Async — gibt sofort { id, status: "pending", estimated_credits } zurück; frage get_job_status(kind="model", id=…) ab (das zusätzlich den models.read Scope erfordert), bis completed oder failed, und verwende die Modell-id dann in generate_image / generate_video. Kostenlos — die Modellerstellung zieht keine Credits ab. Presigned Uploads großer Dateien sind REST-only (nicht über MCP verfügbar) — nutze dafür POST /models/prepare.

update_model(model_id, …)

model_id (erforderlich) — das zu aktualisierende Modell.
name (optional) — ein neuer Modellname.
default_prompt (optional) — ein neuer Default-Prompt.
instruction (optional) — die stets angewandte Guidance des Modells (≤ 8000 Zeichen). Sende einen leeren String, um sie zu löschen.

Gib mindestens eines von name, default_prompt oder instruction an; ausgelassene Felder bleiben unverändert. Synchron — gibt sofort das vollständige aktualisierte Modell zurück (gleiche Form wie get_model). Kostenlos.

generate_image(prompt, …)

prompt (erforderlich) — der Text-Prompt.
style_id, object_ids, person_ids, setting_ids (optional) — ids oder Namen trainierter Modelle aus list_models zum Komponieren (ein Name wird zu einem für dich sichtbaren Modell aufgelöst).
color_palette (optional) — eine anzuwendende Farbpalette, angegeben als Name oder id (wie bei den Referenzen auf trainierte Modelle).
num_outputs (1–4, Default 1), aspect_ratio (Default "1:1"), resolution (Default "1K"; 1K / 2K / 4K).

aspect_ratio akzeptiert 1:1 (Default), 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9, 1:4, 4:1, 1:8 und 8:1.Async — gibt sofort { id, status: "pending", estimated_credits } zurück. Kosten: 5 × num_outputs × Auflösung (1K ×1, 2K ×2, 4K ×4), abgezogen beim Einreichen.

edit_image(prompt, …)

prompt (erforderlich) — wie das Bild bearbeitet werden soll.
Genau eines von image_id (ein Bild in deinem Samsa-Kontext) oder image_url (eine öffentliche https-URL).
style_id, object_ids, person_ids, setting_ids (optional) — ids oder Namen trainierter Modelle aus list_models, um sie für markenkonforme Edits wiederzuverwenden (ein Name wird zu einem für dich sichtbaren Modell aufgelöst), gleichauf mit generate_image.
color_palette (optional) — eine anzuwendende Farbpalette, angegeben als Name oder id.
engine (optional) — nano_banana_pro (Default), gemini oder kontext. Die Angabe einer trainierten-Modell-Referenz oder einer Farbpalette erzwingt nano_banana_pro.

Async — gibt { id, status: "pending", estimated_credits } zurück. Kosten: 5 Credits pro output (nano_banana_pro skaliert mit der Auflösung: 1K ×1, 2K ×2, 4K ×4), abgezogen beim Einreichen.

generate_video(mode, …)

mode (erforderlich) — eines von:
- image_to_video — animiert einen Startframe. Erfordert genau eines von image_id / image_url; optional end_image_url bei endframe-fähigen Engines; prompt optional.
- text_to_video — erfordert prompt.
- text_to_video_styled — erfordert prompt und style_id; object_ids / person_ids / setting_ids optional, plus eine optionale color_palette (Name oder id).
engine (Default veo_3_1_lite), duration (Default: die kürzeste von der Engine unterstützte Dauer, in Sekunden), aspect_ratio (Default "16:9"; auch 9:16, 1:1).

Async — gibt { id, status: "pending", estimated_credits } zurück. Kosten: 5 / Sekunde × Engine × Auflösung × Audio-Multiplikatoren; der styled-Modus addiert pauschal 10 für das Zwischenbild. Siehe Preise.

get_job_status(kind, id)

kind (erforderlich) — image_generation, image_edit, video oder model.
id (erforderlich) — die Job- oder Modell-id, die ein Submit-Tool zurückgegeben hat.

Gibt den Status (pending → processing → completed / failed) zurück und, sobald completed, presigned Ergebnis-URLs, die 24 Stunden gültig sind. Erfordert den Scope des einreichenden Tools (models.read für kind: "model").Bei einem abgeschlossenen Bild-Job (image_generation oder image_edit) enthält die Antwort außerdem das Bild selbst als herunterskalierte Inline-Vorschau — sodass MCP clients es direkt rendern können — neben dem Link zum Bild in voller Auflösung. Die Vorschau ist eine Kopie mit reduzierter Auflösung für die schnelle Anzeige; rufe den Link ab, um das Original in voller Auflösung zu erhalten.

get_credit_balance()

Keine Parameter. Gibt das verfügbare Gesamtguthaben deiner Organisation, die Plan-Credits, die Top-up-Credits und den aktuellen Abrechnungszeitraum zurück.

Das Async-Muster

Die drei Generierungs-Tools sind asynchron — sie stellen einen Job in die Warteschlange und kehren sofort zurück, sodass dein Client nie auf ein Rendering warten muss.

Einreichen

Rufe generate_image, edit_image oder generate_video auf. Es gibt in Millisekunden { id, status: "pending", estimated_credits, next_step } zurück, und die geschätzten Credits werden beim Einreichen aus dem Pool deiner Organisation abgezogen.

Abfragen

Rufe get_job_status(kind=…, id=…) mit der id auf, die du erhalten hast. Der Status wechselt pending → processing → completed (oder failed). Bild-Jobs sind typischerweise in 30 Sekunden bis zwei Minuten fertig, Video in einer bis fünf.

Einsammeln

Sobald completed, trägt die Antwort presigned Ergebnis-URLs, die 24 Stunden gültig sind. Wenn ein Job auf Samsas Seite failed endet, werden die Credits automatisch an denselben Pool zurückerstattet.

Der Server teilt das den verbundenen Modellen selbst mit: Jedes Submit-Ergebnis enthält einen next_step-String mit dem exakten get_job_status-Aufruf, sodass ein fähiger Agent ohne zusätzliches Prompting abfragt.

Richte deinen Client ein

Füge https://api.samsa.ai/mcp zu deinem Client unten hinzu. Claude und ChatGPT melden sich mit OAuth an; jeder andere Client authentifiziert sich mit einem API key (Authorization: Bearer samsa_sk_…).

Die API-key-Snippets unten zeigen den Key aus Gründen der Lesbarkeit inline. In jeder Konfiguration, die committet oder geteilt wird, speichere keinen echten Key — verwende die Interpolation von Umgebungsvariablen deines Clients (gezeigt für Claude Code, Cursor und VS Code) oder halte die Konfiguration auf Benutzerebene. Ein geleakter samsa_sk_… sollte sofort widerrufen werden.

OAuth · Early Access — sag uns Bescheid, wenn das nicht klapptClaude (Web und Desktop) verbindet sich mit remote MCP servern als Custom Connector:

Füge den Connector hinzu

Öffne Settings → Connectors → Add custom connector und setze die URL auf https://api.samsa.ai/mcp.

Melde dich an

Claude öffnet Samsas OAuth-Login; melde dich an und bestätige den Consent-Screen. Claudes Tool-Liste zeigt dann die Samsa-Tools.

Die genauen Menü-Beschriftungen variieren je nach Version — das Wesentliche ist der Custom-Connector-Flow und die Samsa-Server-URL. Claude Web ruft /mcp aus dem Browser mit Origin: https://claude.ai auf, was Samsa erlaubt, sodass Discovery und Login ohne zusätzliche Konfiguration funktionieren. Folge auf dem Desktop Anthropics aktuellen Connector-Anweisungen und verwende dieselbe Server-URL.

OAuth · Early Access — sag uns Bescheid, wenn das nicht klappt

Aktiviere den Developer-Modus

Öffne in ChatGPT Settings → Apps & Connectors und aktiviere den Developer-Modus.

Füge die Verbindung hinzu

Füge eine App-/MCP-Verbindung mit der URL https://api.samsa.ai/mcp hinzu.

Melde dich an

ChatGPT führt den OAuth 2.1-Login und -Consent aus; bestätige ihn, um die Samsa-Tools verfügbar zu machen.

Die genauen Menü-Beschriftungen variieren je nach Version — das Wesentliche ist das Aktivieren des Developer-Modus und das Hinzufügen der Samsa-Server-URL. Custom-MCP-Verbindungen erfordern einen ChatGPT-Plan, der Developer-Modus / Connectors umfasst; die Verfügbarkeit ändert sich mit der Zeit, prüfe also deinen Plan, wenn die Option fehlt. ChatGPT ruft /mcp mit Origin: https://chatgpt.com (oder https://chat.openai.com) auf, beide erlaubt Samsa.

API key · verifiziertFüge den Server mit dem HTTP-Transport und einem Bearer-Header hinzu:

claude mcp add --transport http samsa https://api.samsa.ai/mcp \
  --header "Authorization: Bearer samsa_sk_..."

Standardmäßig registriert das den Server für deine eigene Nutzung (local scope). Um ihn mit deinem Team zu teilen, füge --scope project hinzu, und Claude Code schreibt eine projektbezogene .mcp.json. Da diese Datei committet wird, halte den Key heraus — Claude Code expandiert Umgebungsvariablen in headers:

{
  "mcpServers": {
    "samsa": {
      "type": "http",
      "url": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer ${SAMSA_API_KEY}" }
    }
  }
}

Bestätige die Verbindung mit claude mcp get samsa — sie sollte Connected melden.Lieber OAuth? (Early Access — sag uns Bescheid, wenn das nicht klappt) Führe claude mcp add --transport http samsa https://api.samsa.ai/mcp ohne den Header aus und schließe den OAuth-Login bei der ersten Nutzung ab. Das Header-Setup oben ist der verifizierte Weg; die keylose OAuth-Variante wird noch verifiziert.

API key · Early Access — sag uns Bescheid, wenn das nicht klapptFüge zu ~/.cursor/mcp.json (global) oder zur projektbezogenen .cursor/mcp.json hinzu. Cursor interpoliert Umgebungsvariablen in headers, referenziere den Key also, statt ihn in einer geteilten Datei inline zu setzen:

{
  "mcpServers": {
    "samsa": {
      "url": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer ${env:SAMSA_API_KEY}" }
    }
  }
}

API key · Early Access — sag uns Bescheid, wenn das nicht klapptFüge zu .vscode/mcp.json hinzu:

{
  "servers": {
    "samsa": {
      "type": "http",
      "url": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer samsa_sk_..." }
    }
  }
}

Committe keinen echten Key in einer Workspace-Datei. VS Code unterstützt ${input:...}-Variablen und MCP-Konfiguration auf Benutzerebene — verwende eine davon, damit das Secret nicht mit deinem Projekt eingecheckt wird.

Windsurf · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Füge zu ~/.codeium/windsurf/mcp_config.json hinzu:

{
  "mcpServers": {
    "samsa": {
      "serverUrl": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer samsa_sk_..." }
    }
  }
}

Codex (OpenAI) · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Füge zu ~/.codex/config.toml hinzu:

[mcp_servers.samsa]
url = "https://api.samsa.ai/mcp"
http_headers = { Authorization = "Bearer samsa_sk_..." }

n8n — MCP Client node · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Setze im MCP Client-Node:

Endpoint — https://api.samsa.ai/mcp
Transport — HTTP Streamable
Authentication — Header Auth mit Authorization: Bearer samsa_sk_...

n8n läuft serverseitig (kein Browser-Origin-Header), verbindet sich also ohne jede zusätzliche Konfiguration.

Gemini CLI · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Füge einen HTTP-MCP-server zu ~/.gemini/settings.json hinzu. Die Namen der Config-Keys unterscheiden sich zwischen Gemini-CLI-Versionen — prüfe sie gegen die aktuelle Gemini-CLI-MCP-Doku — aber die Form ist die Samsa-URL plus ein Bearer-Header:

{
  "mcpServers": {
    "samsa": {
      "httpUrl": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer samsa_sk_..." }
    }
  }
}

Microsoft Copilot Studio · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Copilot Studio verbindet sich mit MCP servern über einen Custom Connector / eine MCP-Verbindung. Erstelle im Maker-Portal eine Custom-MCP-Verbindung, die auf https://api.samsa.ai/mcp zeigt, und gib den Header Authorization: Bearer samsa_sk_... als Verbindungs-Credential an. Die genaue Formulierung des Portals ändert sich mit der Zeit — folge Microsofts aktueller Anleitung „connect to an MCP server” und verwende die Samsa-URL und den Header oben.

Teste es — MCP Inspector · Early Access

(Early Access — sag uns Bescheid, wenn das nicht klappt)Um den Server von einem neutralen Tool aus zu verifizieren, verwende den MCP Inspector. Steuere ihn über die GUI (oder eine Config-Datei) mit dem Streamable-HTTP-Transport:

{
  "mcpServers": {
    "samsa": {
      "type": "streamable-http",
      "url": "https://api.samsa.ai/mcp",
      "headers": { "Authorization": "Bearer samsa_sk_..." }
    }
  }
}

Der Inspector verwendet denselben Streamable-HTTP-Transport, gegen den Samsa verifiziert, und läuft auf http://localhost:6274, was Samsa erlaubt. Nutze ihn, um den Handshake durchzugehen, die neun Tools zu listen und einen Testaufruf zu machen. Der vollständige GUI-Durchlauf (Handshake → Tools → OAuth) wird noch verifiziert — behandle ihn als Early Access und sag uns Bescheid, wenn ein Schritt daneben liegt.

Config-Snippets für Claude Code, Cursor, VS Code, Windsurf, Codex, n8n, Claude Web, ChatGPT und den MCP Inspector stammen aus Samsas Backend-Matrix zur Verifizierung der Client-Konfigurationen. Als Early Access markierte Plattformen wurden zum Zeitpunkt der Erstellung nicht end-to-end getestet — wenn ein Schritt daneben liegt, schreib an support@samsa.ai, und wir beheben es schnell.

Sicherheit, Credits & Zugriff

MCP-Tool-Aufrufe sind echte Aktionen auf deiner Organisation — sie geben Credits aus und erstellen Assets genau wie App und REST API. Behandle einen mit einem MCP client verbundenen API key wie jedes andere Produktions-Secret.

Credits. generate_image, edit_image und generate_video ziehen aus dem gemeinsamen Credit-Pool deiner Organisation zu den Raten der App. Reads sind kostenlos. Prüfe das Guthaben jederzeit mit get_credit_balance.
Scopes. Jedes Tool erfordert einen Scope. Ein API key oder OAuth-Token stellt nur die Tools bereit, die seine Scopes erlauben — schränke einen Key auf genau das ein, was eine Integration braucht.
Zugriff widerrufen. Ein Admin widerruft einen API key in Settings → API Keys; der Widerruf ist terminal und wird beim allernächsten Aufruf wirksam. Für eine OAuth-Verbindung trenne den Connector in deinem Client (Claude- oder ChatGPT-Connector-Einstellungen); Access-Tokens können auch an Samsas OAuth-Revocation-Endpoint widerrufen werden. Ein widerrufenes Credential funktioniert sofort nicht mehr.

Fehlerbehebung

Ein 401 ist der Server, der den Client bittet, sich (erneut) zu authentifizieren.

OAuth-Clients: trenne den Samsa-Connector und verbinde ihn erneut, um den Login neu zu starten. Wenn der Consent nie abschließt, kann es der Early-Access-Browser-Flow sein — sag uns Bescheid.
API-key-Clients: bestätige, dass der Header exakt Authorization: Bearer samsa_sk_... lautet und der Key gültig ist — ein fehlender, abgelaufener oder widerrufener Key gibt 401 invalid_api_key zurück. Erstelle im Zweifel einen frischen Key in Settings → API Keys.

Für welche Organisation handle ich?

Ein Credential handelt immer für eine Organisation. Ein API key handelt für die Organisation, die ihn besitzt — um für eine andere Org zu handeln, verwende einen Key, der in dieser Org erstellt wurde. Eine OAuth-Verbindung handelt für das Konto und die Organisation, mit denen du dich angemeldet hast — verbinde dich neu, um zu wechseln. Credits werden aus dieser Organisation gezogen, und Assets erscheinen in ihr.

Tool-Aufruf abgelehnt — insufficient credits

Wenn der Pool deiner Organisation eine Generierung nicht abdecken kann, gibt das Submit-Tool einen strukturierten insufficient_credits-Fehler zurück, bevor irgendein Job läuft — es wird nichts berechnet. Prüfe get_credit_balance, dann lade auf oder upgrade in der Samsa-App. Reads sind immer kostenlos.

Rate limited oder zu viele Jobs

Drei unabhängige Limits können einen Ansturm von Aufrufen bremsen:

Request-Rate pro Key — 60 Requests/Minute; ein Überschuss gibt rate_limited zurück.
Concurrency pro Organisation — höchstens 5 gleichzeitige Jobs; ein sechster gibt too_many_active_jobs zurück. Lass Jobs fertig werden (frage get_job_status ab), bevor du weitere einreichst.
MCP-Transport-Concurrency — ein Ansturm gleichzeitiger /mcp-Requests auf einem einzelnen Worker kann einen transienten 429 concurrency_limit_exceeded mit Retry-After: 1 zurückgeben. Warte eine Sekunde und versuche es erneut.

Siehe Rate Limits für das vollständige Bild und Hinweise zum Back-off.

Ein Tool fehlt oder sagt, ihm fehle ein Scope

Tools, die du nicht aufrufen kannst, sind versteckt oder abgelehnt, weil dem verbundenen Credential ihr Scope fehlt. Zum Beispiel braucht generate_image images.generate. Bearbeite die Scopes des Keys (oder erstelle einen neuen Key) in Settings → API Keys und verbinde dich dann neu.

Siehe auch

Authentifizierung

Organisations-Keys, Scopes und der Bearer-Header.

Preise

Wie Bild-, Edit- und Video-Credits berechnet werden.

Rate Limits

Rate pro Key, Concurrency pro Org und Back-off.

API-Referenz

Die REST-Oberfläche hinter denselben Tools.

Erste Schritte

APIs

Inhaltsverifizierung

Bilder generieren

Magic Edit

Video erstellen

Jobs & Credits verfolgen

In drei Schritten verbunden

Authentifizierung

Tools

Parameter

Das Async-Muster

Richte deinen Client ein

Sicherheit, Credits & Zugriff

Fehlerbehebung

Siehe auch

Authentifizierung

Preise

Rate Limits

API-Referenz

Bilder generieren

Magic Edit

Video erstellen

Jobs & Credits verfolgen

​In drei Schritten verbunden

​Authentifizierung

​Tools

​Parameter

​Das Async-Muster

​Richte deinen Client ein

​Sicherheit, Credits & Zugriff

​Fehlerbehebung

​Siehe auch

Authentifizierung

Preise

Rate Limits

API-Referenz

In drei Schritten verbunden

Authentifizierung

Tools

Parameter

Das Async-Muster

Richte deinen Client ein

Sicherheit, Credits & Zugriff

Fehlerbehebung

Siehe auch