Skip to main content
Samsa betreibt einen remote Model Context Protocol (MCP) server, sodass jeder MCP-fähige Client — Claude, ChatGPT, Microsoft Copilot, 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, transformiere und upscale Bilder, 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.

Bilder transformieren

Führe img2img aus, generiere Variationen, resize per Outpainting, upscale auf hohe Auflösung, entferne einen Hintergrund oder vektorisiere zu SVG — ein Tool pro Operation.

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:
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

1

Hol dir deine Zugangsdaten

Interaktive Apps — Claude, ChatGPT und Microsoft Copilot (über Copilot Studio) — 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.
2

Füge den Server hinzu

Richte deinen Client auf https://api.samsa.ai/mcp. Es gibt nichts zu installieren und keinen lokalen Prozess — siehe Client verbinden für die genaue einmalige Einrichtung.
3

Leg los mit dem Erstellen

Dein Client listet die fünfzehn Samsa-Tools. Bitte ihn, ein Bild zu generieren, einen Magic Edit auszuführen, ein Bild zu transformieren oder zu upscalen, 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: 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. Wenn ein Login nicht abschließt, sag uns unter support@samsa.ai Bescheid.

Das Async-Muster

Die neun credit-kostenden Medien-Tools sind asynchron — sie stellen einen Job in die Warteschlange und kehren sofort zurück, sodass dein Client nie auf ein Rendering warten muss. create_model ist ein zehntes asynchrones Submit-Tool (frage get_job_status(kind="model", …) ab), aber kostenlos.
1

Einreichen

Rufe ein beliebiges Submit-Tool auf — generate_image, edit_image, img2img, create_variations, resize_image, upscale_image, remove_background, vectorize_image oder generate_video. 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.
2

Abfragen

Rufe get_job_status(kind=…, id=…) mit der id, die du erhalten hast, und dem kind auf, den das Submit-Tool genannt hat. Der Status wechselt pendingprocessingcompleted (oder failed). Bild-Jobs sind typischerweise in 30 Sekunden bis zwei Minuten fertig, Video in einer bis fünf.
3

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.
remove_background und vectorize_image werden pro Quellbild gecacht: Wenn die Quelle eine dir gehörende image_id ist, die bereits ein Ergebnis hat, überspringt der Aufruf die Warteschlange und gibt sofort { status: "completed", estimated_credits: 0 } zurück — keine Credits und kein belegter Concurrency-Slot.
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.

Weiterlesen

Tools

Die fünfzehn Tools, ihre Parameter, Scopes und Kosten.

Client verbinden

Einmalige Einrichtung für Claude, ChatGPT, Microsoft Copilot, Cursor, n8n und mehr.

Fehlerbehebung

Sicherheit und Credits — und wie du einen abgelehnten Aufruf liest.

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.