AI NetCafe

Compara el costo y la latencia de LLM en un solo prompt, traduce PDF manteniendo el diseño, investigación citada, crea PPTX

Ver en ainetcafe.com

Documentación

让你的 Agent 直接上机

AI 网吧提供 MCP 服务端。所有应用和模型调用在免费 Beta 期间均为 $0.00 ；无需注册、API key 或付款。每次响应仍返回 cost_usd 平台成本元数据和状态，失败可安全重试。先跑一个可核验结果，再在同一连接上跑相关二调。AI NetCafe runs an MCP server. All applications and model calls are $0.00 during the free beta; no signup, API key, or payment is required. Responses still include measured platform-cost metadata and status, and failures are safe to retry. Run one checkable result, then a related second result on the same connection.

免费 Beta：先拿到一个可核验结果

所有应用和模型调用当前均为 $0.00 ，无需注册、Key 或付款。先跑一次结果，再在同一连接上跑相关的第二次，首调和二调会按来源归因。 All applications and model calls are $0.00 during the beta. No signup, key, or payment is required. Run one result, then a related second result on the same connection so both calls can be attributed.

接入地址

https://ainetcafe.com/mcp?s=site&utm_source=site&utm_medium=docs&utm_campaign=agent_first_call&utm_content=setup

传输方式 Streamable HTTP ／协议版本 2025-06-18 ／发现清单 MCP manifest ／ Agent capability index

一行接入

Claude Code

claude mcp add --transport http ai-netcafe https://ainetcafe.com/mcp?s=site&utm_source=site&utm_medium=docs&utm_campaign=agent_first_call&utm_content=setup

贴进去后,第一次调用你会看到(2026-08-16 生产实测原样):

$ 让 agent 查:github.com 在中国大陆能访问吗
{
  "url": "https://github.com", "tested_from": "mainland China (China Mobile backbone)",
  "verdict": "unreachable: timeout (common signature of blocking or a very slow route)"
}

Claude Desktop / Cursor（配置文件）

{
  "mcpServers": {
    "ai-netcafe": {
      "type": "http",
      "url": "https://ainetcafe.com/mcp?s=site&utm_source=site&utm_medium=docs&utm_campaign=agent_first_call&utm_content=setup"
    }
  }
}

DeepSeek Harness（ dsh ）— cordis.yml

- id: mcp-netcafe
  name: '@deepseek-ai/dsh-mcp-client'
  config:
    serverName: netcafe
    transport: streamable-http
    url: https://ainetcafe.com/mcp?s=dsh&utm_source=dsh&utm_medium=docs&utm_campaign=agent_first_call&utm_content=setup

走 dsh 官方一方插件 @deepseek-ai/dsh-mcp-client ，工具会注册成 mcp__netcafe__<工具名> 。核心工具集名加前缀后都不超 64 字符、无非法字符，不会被截断改名（已实测）。 Uses dsh's first-party @deepseek-ai/dsh-mcp-client; tools register as mcp__netcafe__<name>. All 23 names stay under the 64-char limit with that prefix, so none get truncated or hashed (verified).

免费 Beta 不需要个人 Key；容量达到上限时请稍后重试。No personal key is required during the free beta; retry later if shared capacity is full.

不接 MCP 也能用:三件现成的活

盯页面变化 · 每天重查一个问题 · 网站国内可达性 —— 填个网址就开始,免注册,任务跑在我们服务器上。 — just paste a URL, no signup, runs on our servers.

只要一个能力?接对应的小服务器,省你的上下文

主端点只列 22 个核心工具(≈5k tokens)。按任务域拆开的小服务器,把 /mcp 换成: The main endpoint lists 22 core tools (≈5k tokens). Swap /mcp for a focused one:
/mcp/docs 文档:对账单提取(带勾稽校验)、表格对齐、PDF→Markdowndocuments: statement extraction with reconciliation, tables, pdf→markdown
/mcp/tasks 定时任务:跑在我们服务器上的常驻活recurring jobs that run on our servers
/mcp/img 可嵌图片:架构图/徽章/图表/二维码embeddable images: diagrams, badges, charts, QR · /mcp/translate 不破结构的翻译structure-safe translation
/mcp/data 实时数据(含大陆可达性)live data incl. China reachability · /mcp/build 一句话上线应用one-sentence app deploys · /mcp/memory · /mcp/almanac

让它在你不在的时候也干活

配好之后,直接跟你的 agent 说「盯着这个页面,变了告诉我」——它会调 create_task, 任务跑在我们服务器上,你不用留着电脑开机。只在 结果真的变了 的时候才通知你,不会每小时打扰。随时在任务看板看它跑到哪了。 Once configured, just tell your agent "watch this page and tell me when it changes" — it calls create_task, the job runs on our servers, and you do not keep anything running. You are only pinged when the result actually changes. Track it on your task dashboard.

工具目录

build_app NEW

一句话造应用:描述一个小工具,AI 生成代码→安全快筛→容器化部署→HTTPS 上架,约 1-2 分钟返回在线网址。适合计算器/转换器/清单/计时器/生成器类。异步,check_job 轮询。人类入口:点子机。 Build an app from one sentence: describe a tool — code is generated, screened, containerized and deployed with HTTPS. Live URL in ~1-2 minutes. Async via check_job. Human UI: Idea Machine.

submit_project

Agent 直接发布应用:提交一个 GitHub 仓库,自动化流水线接管——智能评审、容器化、独立域名+HTTPS、模型网关预配、双端上架、使用归因。在 Claude Code 里说『把我的项目部署到 ainetcafe』即可。 Publish an app straight from your agent: submit a GitHub repo and the automated pipeline takes over — review, containerize, dedicated domain + HTTPS, model gateway pre-wired, dual listing, usage attribution. In Claude Code just say: deploy my project to ainetcafe.

project_status

查询提交/托管状态:live(带页面与应用地址)、流水线中、未通过(附原因)。Check a submitted or hosted repo: live (with page and app URL), in pipeline, or rejected (with the reason).

remember / recall / forget

跨会话记忆:remember 存事实,recall 语义检索(免费 Beta 匿名走全文检索，工作区令牌可跨会话保留),forget 删除。Agent 换个会话、换台机器,还记得你。 Cross-session memory: remember stores facts, recall does semantic retrieval (workspace-backed memory across sessions; free beta callers use the anonymous full-text path), forget deletes. Your agent remembers you across sessions and machines.

web_search

自托管 SearXNG 元搜索:聚合几十个引擎,返回标题/链接/摘要,无追踪。Self-hosted SearXNG meta-search: titles, URLs, snippets from dozens of engines, no tracking.

fetch_page

公开 URL 转干净 Markdown（仅抓取服务端渲染内容，不执行浏览器 JavaScript；SPA/空正文请先 web_search 或使用浏览器/API）——search 完读原文用它。Fetch a public URL and return clean LLM-ready Markdown from the server-rendered response. No browser JavaScript execution; for SPA or empty-text pages, use web_search, a browser, or the site's API.

translate_text

文本翻译:离线引擎优先,缺席时自动走 LLM 翻译(与 ask_model 一样返回平台成本);整篇 PDF 保版式请用 translate_pdf。Text translation — offline engine first, LLM fallback; use translate_pdf for whole PDFs with layout.

render_diagram

文本变图:Mermaid/PlantUML/Graphviz 等 25 种图表语言渲染成 SVG/PNG,返回可直接嵌入 Markdown 的图片链接(自托管 Kroki)。Diagram-as-code to SVG/PNG: Mermaid, PlantUML, Graphviz and 20+ more — returns a hosted image URL ready to embed (self-hosted Kroki).

check_grammar

30+ 语言的语法/拼写/风格检查,逐条给出修改建议(自托管 LanguageTool)。Grammar, spelling and style checking for 30+ languages with suggested fixes (self-hosted LanguageTool).

transcribe_audio

给个音频 URL,返回文字稿——开源 Whisper,支持中文等 100 种语言(≤15MB)。Audio URL in, transcript out — open-source Whisper, 100 languages (≤15 MB).

convert_to_pdf

网页 URL 或 HTML 转打印级 PDF,返回可下载链接(自托管 Gotenberg)。Web page or raw HTML to print-quality PDF with a download URL (self-hosted Gotenberg).

compare_models

同一个提示词同时跑多个模型，返回每个模型的答案 + 平台实测 成本和延迟。回答『这个任务到底该用哪个模型』——用数据，不是猜。Run one prompt across several models; every answer comes back with actually metered cost and latency. Answers which-model-for-this-task with data, not guesses.

ask_model

指定单个模型跑一次，返回答案和平台实测成本。适合让 agent 找个便宜模型干批量子任务，或换个模型要第二意见。One model, one run, measured platform cost back. Good for routing bulk subtasks to a cheap model or getting a second opinion.

list_apps

列出网吧里托管好的开源 AI 应用，并为可直接调用的应用返回 recommended_tool 、下一步参数和示例；任务已经明确时应直接调用对应工具。List hosted open-source AI apps; callable ones include recommended_tool with next-call arguments. Skip it when the task already maps to a specific tool.

get_app

单个应用的详情：怎么用、实测评分、开源协议、真人使用量。One app in full: usage, measured scores, license, real-user traction.

list_models

全部可调模型 + 每百万 token 的输入/输出单价，让 agent 按成本选型。Every callable model with input/output price per million tokens — pick by cost.

translate_pdf

整篇 PDF 翻译， 公式、图表、双栏排版全部保留 。异步任务，提交后用 check_job 轮询。Full-PDF translation with formulas, figures and layout preserved. Async — poll with check_job.

make_slides

给个主题或大纲，生成可下载的真.pptx 文件——不是锁在网页编辑器里的预览。异步。Topic or outline in, a real downloadable.pptx out — not a preview locked in a web editor. Async.

deep_research

自主研究 agent：拆子问题、跑多轮搜索、读原文，产出带引用的报告。几分钟量级，异步。Autonomous research: sub-questions, multi-round search, source reading, cited report. Minutes-scale, async.

check_job

轮询上面三个异步任务的进度与结果。Poll progress and results for the async tasks above.

可引用、可执行的任务指南

怎么找出完成同一任务最便宜的模型？

Agent 需要稳定 JSON 时该选哪个模型？

怎么翻译 arXiv PDF 而不破坏公式和排版？

GPT Researcher 应该配哪个模型？

怎么通过 MCP 生成可下载、可编辑的 PPTX？

每页同时提供首屏结论、测量方法、原始 JSON 数据和可直接执行的 MCP 参数。

让 Agent 直接试的任务

· “把这段真实任务同时交给三个模型，比较答案、实际成本和延迟。”

· “研究这个今天仍在变化的问题，给我带来源链接的完整报告。”

· “把这个 arXiv PDF 翻成中文，保留公式、图片和双栏排版。”

· “把这份大纲做成 8 页中文 PPTX，完成后给我可编辑文件。”

· “把这段 Mermaid 流程图渲染成 SVG，给我能直接嵌进文档的图片链接。”

· “这条语音备忘录的链接,帮我转成文字稿。”

异步任务会返回 job_id；Agent 应继续调用 check_job，直到状态为 done 或 error。

同一件活第三次回来:冻成产线

偶尔跑一次,你的 agent 现场写代码更快,不需要我们。 但当同一件活回来第三、第四次,问题就不在它身上了 —— 它很会设计流程, 却不会替你值班:你合上电脑,一切就停了。

分工是这样的:设计归你的 agent (只有它见过你的数据、知道你们家的烂法), 值班归服务器 —— 按点跑、每次留一张带算术自证的工单、自证不过的运行不计费。

create_pipeline  name="每日对账" steps=[…]   # 把刚跑通的步骤冻起来(最多 6 步)
create_task      kind="pipeline" input="pl_…"   # 挂上定时,这一步之后才叫托管

三条公开在跑的样品线 (不用注册,点开就能看每一次运行和它的自证):

· 大陆可达性巡检 —— 可达站 vs 被墙站对照,从真实大陆网络测
· 脏数据对账 —— 拆分付款(1:N)、合并付款(N:1)、会计负数 (1200.00)
· HS 编码归类 —— 存在的码 vs 不存在的码,注意前导零

样品用的是故意很脏的数据,而且每天真的在跑。如果哪天它失败了,工单上也会照实写着 —— 一条从来不出错的产线,反而说明它没在干真活。免费 Beta 期间任务调用为 $0.00；容量达到上限时请稍后重试。

不用 MCP 也能接

同样的能力有一份 OpenAPI 3.1 规格，给不说 MCP 的那半个生态： OpenAI Custom GPT Actions 、Dify、扣子、n8n、LangChain，以及任何自己撸的 agent。

https://ainetcafe.com/openapi.json

Custom GPT 里「Actions → Import from URL」直接贴这个地址就行，不需要鉴权也能跑（免费 Beta，用户费用 $0.00）。

纯 HTTP 直接调也可以：

curl -X POST https://ainetcafe.com/api/compare \
  -H 'content-type: application/json' \
  -d '{"prompt":"用一句话解释乐观锁和悲观锁的区别"}'

实测数据，随便引用

平台实测成本（用户费用 $0.00，CC BY 4.0）

厂商只公布每百万 token 的报价,没人公布"一次调用的平台成本"——因为那取决于模型自己愿意吐多少 token,同一道题不同模型能差一个数量级。我们把真实流量跑在一个账号上,所以能公布这个数。每行带样本量与置信标注。Vendors publish per-million-token list prices; nobody publishes what a call costs the platform. We route real traffic through one account, so we can. Every row carries its sample size.

/costs — 带方法论的人读版human page + methodology
/api/model-costs — JSON, CORS, 无需 keyno key
/t/model_costs?days=30 — agent 直接拼 URL 调callable from a bare URL

我们把每个模型真的接进跑着的开源应用，按它的真实任务各跑两轮，通过率、成本、延迟全部实测——不是按标价估算。 CC BY 4.0，随便引 。

https://ainetcafe.com/api/bench

一个反直觉的结论：在需要结构化输出的应用上（做 PPT、LaTeX、研究 agent），好几个很强的模型 一项都跑不通 ——不是不够聪明，是 JSON/LaTeX 输出不稳，应用靠解析它干活，格式一崩整条流水线就断。选型是可靠性问题，不是智力问题。

为什么值得接

下面是 compare_models 在本站的一次真实调用——同一个问题、三个模型， 答案基本一样 ：

模型	花费	延迟	答案
deepseek-v4-flash	$0.000109	7.1s	The capital of France is Paris.
GLM5.2	$0.000366	4.2s	The capital of France is Paris.
gemini-3.5-flash	$0.005320	10.2s	Paris.

最贵的比最便宜的贵 48.8 倍

而且它还最慢、答得最短。如果 agent 要跑几千次子任务，选型差一档就是几十倍的平台成本差距——这正是这个工具存在的意义。

免费 Beta 规则

· 所有应用和模型调用 ：用户费用 $0.00 ，无需注册、个人 Key 或付款。

· 每次响应仍返回 cost_usd ，表示平台实际上游成本，不是向用户收取的金额。

· 公平容量限制按调用方、项目和站点生效；达到上限时稍后重试。

· 错误响应带机器可读 code / how_to_continue ；失败可安全重试。

直接试一下

不用装任何东西，复制到终端就能跑：

curl -s https://ainetcafe.com/mcp \
  -H 'Content-Type: application/json' \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call",
       "params":{"name":"compare_models",
                 "arguments":{"prompt":"用一句话解释 MCP 是什么"}}}'