AI NetCafe

Compare o custo e a latência de LLMs em um prompt, traduza PDFs mantendo o layout, pesquisas citadas, crie PPTX

Ver em ainetcafe.com

Documentação

Deixe seu Agent entrar e jogar direto

O AI NetCafe fornece um servidor MCP. Todos os aplicativos e chamadas de modelo são $0.00 durante o Beta gratuito; não é necessário registro, chave de API ou pagamento. Cada resposta ainda retorna metadados de custo de plataforma e status cost_usd, e falhas podem ser repetidas com segurança. Execute um resultado verificável primeiro e, em seguida, um segundo resultado relacionado na mesma conexão. O AI NetCafe executa um servidor MCP. Todos os aplicativos e chamadas de modelo são $0.00 durante o beta gratuito; não é necessário registro, chave de API ou pagamento. As respostas ainda incluem metadados de custo de plataforma medidos e status, e falhas são seguras para repetir. Execute um resultado verificável e, em seguida, um segundo resultado relacionado na mesma conexão.

Beta gratuito: obtenha um resultado verificável primeiro

Todos os aplicativos e chamadas de modelo são atualmente $0.00, sem necessidade de registro, chave ou pagamento. Execute um resultado primeiro e, em seguida, um segundo relacionado na mesma conexão; a primeira e a segunda chamadas serão atribuídas por origem. Todos os aplicativos e chamadas de modelo são $0.00 durante o beta. Sem registro, chave ou pagamento necessário. Execute um resultado e, em seguida, um segundo relacionado na mesma conexão para que ambas as chamadas possam ser atribuídas.

Endereço de conexão

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

Transporte: Streamable HTTP ／ Versão do protocolo: 2025-06-18 ／ Manifesto de descoberta: manifesto MCP ／ Índice de capacidade do Agent

Configuração em uma linha

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

Depois de colar, na primeira chamada você verá (testado em produção em 2026-08-16, exatamente como está):

$ 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 (arquivo de configuração)

{
  "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

Use o plugin oficial de primeira parte do dsh @deepseek-ai/dsh-mcp-client; as ferramentas serão registradas como mcp__netcafe__<工具名>. Todos os nomes do conjunto principal de ferramentas, com o prefixo, permanecem abaixo de 64 caracteres e sem caracteres inválidos, portanto não serão truncados ou renomeados (verificado). Usa o plugin de primeira parte @deepseek-ai/dsh-mcp-client do dsh; as ferramentas são registradas como mcp__netcafe__<name>. Todos os 23 nomes permanecem abaixo do limite de 64 caracteres com esse prefixo, então nenhum é truncado ou transformado em hash (verificado).

O Beta gratuito não exige chave pessoal; se a capacidade compartilhada estiver cheia, tente novamente mais tarde. Nenhuma chave pessoal é necessária durante o beta gratuito; tente novamente mais tarde se a capacidade compartilhada estiver cheia.

Sem MCP? Três tarefas prontas

Monitorar mudanças em páginas · Reconsultar uma pergunta diariamente · Acessibilidade do site na China continental — basta colar uma URL, sem registro, as tarefas rodam em nossos servidores. — basta colar uma URL, sem registro, roda em nossos servidores.

Precisa de apenas um recurso? Conecte o servidor focado correspondente — uma fração do contexto

O endpoint principal lista apenas 22 ferramentas principais (≈5k tokens). Para servidores menores divididos por domínio de tarefa, troque /mcp por: O endpoint principal lista 22 ferramentas principais (≈5k tokens). Troque /mcp por um focado:
/mcp/docs documentos: extração de extratos (com verificação de conciliação), alinhamento de tabelas, PDF→Markdown
/mcp/tasks tarefas agendadas: trabalhos persistentes que rodam em nossos servidores
/mcp/img imagens incorporáveis: diagramas, badges, gráficos, QR · /mcp/translate tradução que preserva a estrutura
/mcp/data dados em tempo real (incluindo acessibilidade na China continental) · /mcp/build deploy de aplicativos em uma frase · /mcp/memory · /mcp/almanac

Mantenha-o trabalhando enquanto você está ausente

Depois de configurado, basta dizer ao seu agente: "monitore esta página e me avise quando mudar" — ele chamará create_task, a tarefa roda em nossos servidores e você não precisa deixar o computador ligado. Você só será notificado quando o resultado realmente mudar, sem interrupções a cada hora. Acompanhe o progresso a qualquer momento no painel de tarefas. Depois de configurado, basta dizer ao seu agente "monitore esta página e me avise quando mudar" — ele chama create_task, a tarefa roda em nossos servidores e você não mantém nada em execução. Você só é notificado quando o resultado realmente muda. Acompanhe no seu painel de tarefas.

Catálogo de ferramentas

build_app NOVO

Crie um aplicativo em uma frase: descreva uma pequena ferramenta, o AI gera o código → triagem de segurança → deploy conteinerizado → publicação via HTTPS, retornando uma URL online em cerca de 1-2 minutos. Ideal para calculadoras/conversores/listas/temporizadores/geradores. Assíncrono, consulte com check_job. Entrada humana: Máquina de Ideias. Crie um aplicativo a partir de uma frase: descreva uma ferramenta — o código é gerado, triado, conteinerizado e implantado com HTTPS. URL ao vivo em ~1-2 minutos. Assíncrono via check_job. Interface humana: Máquina de Ideias.

submit_project

Publique um aplicativo diretamente do seu agente: envie um repositório GitHub e o pipeline automatizado assume — revisão inteligente, conteinerização, domínio dedicado + HTTPS, gateway de modelo pré-configurado, publicação dupla, atribuição de uso. No Claude Code, diga "implante meu projeto no ainetcafe". Publique um aplicativo direto do seu agente: envie um repositório GitHub e o pipeline automatizado assume — revisão, conteinerização, domínio dedicado + HTTPS, gateway de modelo pré-configurado, listagem dupla, atribuição de uso. No Claude Code, basta dizer: implante meu projeto no ainetcafe.

project_status

Consulte o status de envio/hospedagem: live (com URL da página e do aplicativo), em pipeline ou reprovado (com o motivo). Verifique um repositório enviado ou hospedado: live (com URL da página e do aplicativo), em pipeline ou reprovado (com o motivo).

remember / recall / forget

Memória entre sessões: remember armazena fatos, recall faz busca semântica (Beta gratuito anônimo usa busca em texto completo; tokens de workspace podem persistir entre sessões), forget exclui. O agente, mesmo em outra sessão ou máquina, ainda lembra de você. Memória entre sessões: remember armazena fatos, recall faz busca semântica (memória com suporte a workspace entre sessões; chamadas do beta gratuito usam o caminho anônimo de texto completo), forget exclui. Seu agente lembra de você entre sessões e máquinas.

web_search

Metabusca SearXNG auto-hospedada: agrega dezenas de mecanismos, retorna títulos/links/resumos, sem rastreamento. Metabusca SearXNG auto-hospedada: títulos, URLs, resumos de dezenas de mecanismos, sem rastreamento.

fetch_page

Converte URL pública em Markdown limpo (apenas conteúdo renderizado no servidor, sem executar JavaScript do navegador; para SPAs/páginas vazias, use web_search ou um navegador/API) — use para ler o original após a busca. Busque uma URL pública e retorne Markdown limpo pronto para LLM a partir da resposta renderizada no servidor. Sem execução de JavaScript no navegador; para páginas SPA ou com texto vazio, use web_search, um navegador ou a API do site.

translate_text

Tradução de texto: mecanismo offline primeiro, fallback automático para LLM (retorna custo de plataforma como ask_model); para PDFs inteiros com layout preservado, use translate_pdf. Tradução de texto — mecanismo offline primeiro, fallback para LLM; use translate_pdf para PDFs inteiros com layout.

render_diagram

Texto em imagem: 25 linguagens de diagrama (Mermaid/PlantUML/Graphviz e outras) renderizadas em SVG/PNG, retornando URL de imagem incorporável em Markdown (Kroki auto-hospedado). Diagrama-como-código para SVG/PNG: Mermaid, PlantUML, Graphviz e mais de 20 outras — retorna uma URL de imagem hospedada pronta para incorporar (Kroki auto-hospedado).

check_grammar

Verificação de gramática/ortografia/estilo em 30+ idiomas, com sugestões de correção item a item (LanguageTool auto-hospedado). Verificação de gramática, ortografia e estilo para 30+ idiomas com sugestões de correção (LanguageTool auto-hospedado).

transcribe_audio

Envie uma URL de áudio e receba a transcrição — Whisper de código aberto, suporta 100 idiomas incluindo chinês (≤15MB). URL de áudio entra, transcrição sai — Whisper de código aberto, 100 idiomas (≤15 MB).

convert_to_pdf

URL de página web ou HTML para PDF de qualidade de impressão, retornando link para download (Gotenberg auto-hospedado). Página web ou HTML bruto para PDF de qualidade de impressão com URL de download (Gotenberg auto-hospedado).

compare_models

Execute o mesmo prompt em vários modelos ao mesmo tempo; cada resposta retorna a resposta do modelo + custo e latência medidos na plataforma. Responda "qual modelo devo usar para esta tarefa" — com dados, não suposições. Execute um prompt em vários modelos; cada resposta vem com custo e latência realmente medidos. Responde qual-modelo-para-esta-tarefa com dados, não suposições.

ask_model

Execute um único modelo uma vez, retornando a resposta e o custo medido da plataforma. Ideal para o agente rotear subtarefas em lote para um modelo barato ou obter uma segunda opinião. Um modelo, uma execução, custo de plataforma medido de volta. Bom para rotear subtarefas em lote para um modelo barato ou obter uma segunda opinião.

list_apps

Lista aplicativos de IA de código aberto hospedados no cibercafé e retorna recommended_tool, parâmetros da próxima chamada e exemplos para aplicativos diretamente chamáveis; quando a tarefa já está clara, chame a ferramenta específica diretamente. Liste aplicativos de IA de código aberto hospedados; os chamáveis incluem recommended_tool com argumentos da próxima chamada. Pule quando a tarefa já mapeia para uma ferramenta específica.

get_app

Detalhes de um único aplicativo: como usar, pontuações medidas, licença de código aberto, uso real por humanos. Um aplicativo completo: uso, pontuações medidas, licença, tração real de usuários.

list_models

Todos os modelos chamáveis + preço de entrada/saída por milhão de tokens, para o agente escolher por custo. Todos os modelos chamáveis com preço de entrada/saída por milhão de tokens — escolha por custo.

translate_pdf

Tradução de PDF inteiro, com fórmulas, figuras e layout de duas colunas preservados. Tarefa assíncrona; após o envio, consulte com check_job. Tradução de PDF completo com fórmulas, figuras e layout preservados. Assíncrono — consulte com check_job.

make_slides

Dê um tópico ou esboço e gere um arquivo .pptx real para download — não uma prévia presa em um editor web. Assíncrono. Tópico ou esboço entra, um .pptx real para download sai — não uma prévia presa em um editor web. Assíncrono.

deep_research

Agente de pesquisa autônomo: divide subproblemas, executa múltiplas rodadas de busca, lê fontes originais e produz relatório com citações. Escala de minutos, assíncrono. Pesquisa autônoma: subquestões, busca multi-rodada, leitura de fontes, relatório citado. Escala de minutos, assíncrono.

check_job

Consulte progresso e resultados das três tarefas assíncronas acima. Consulte progresso e resultados das tarefas assíncronas acima.

Guias de tarefas citáveis e executáveis

Como encontrar o modelo mais barato para a mesma tarefa?

Qual modelo escolher quando o Agent precisa de JSON estável?

Como traduzir PDFs do arXiv sem quebrar fórmulas e layout?

Qual modelo o GPT Researcher deve usar?

Como gerar PPTX baixável e editável via MCP?

Cada página oferece conclusão no topo, metodologia de medição, dados JSON brutos e parâmetros MCP diretamente executáveis.

Tarefas para o Agent experimentar agora

· "Envie esta tarefa real para três modelos ao mesmo tempo e compare respostas, custo real e latência."

· "Pesquise este problema que ainda está mudando hoje e me dê um relatório completo com links de fontes."

· "Traduza este PDF do arXiv para chinês, preservando fórmulas, imagens e layout de duas colunas."

· "Transforme este esboço em um PPTX de 8 páginas em chinês e me entregue o arquivo editável."

· "Renderize este fluxograma Mermaid como SVG e me dê o link da imagem para incorporar no documento."

· "Este link de nota de voz, transcreva para texto para mim."

Tarefas assíncronas retornam job_id; o Agent deve continuar chamando check_job até que o status seja done ou error.

Terceira vez na mesma tarefa? Congele em uma linha de produção

Executar ocasionalmente, seu agente escrever código na hora é mais rápido, não precisamos de nós. Mas quando a mesma tarefa volta pela terceira ou quarta vez, o problema não está nele — ele é ótimo em projetar fluxos, mas não pode ficar de plantão por você: quando você fecha o laptop, tudo para.

A divisão é esta: o design é do seu agente (só ele viu seus dados e conhece as bagunças da sua casa), o plantão é do servidor — roda no horário, deixa um ticket com autoverificação aritmética a cada execução, e execuções que não passam na autoverificação não são cobradas.

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

Três linhas de amostra públicas em execução (sem registro, clique para ver cada execução e sua autoverificação):

· Inspeção de acessibilidade na China continental — comparação de sites acessíveis vs. bloqueados, medido a partir de redes reais na China continental
· Conciliação de dados sujos — pagamentos divididos (1:N), pagamentos consolidados (N:1), negativos contábeis (1200.00)
· Classificação de códigos HS — códigos existentes vs. inexistentes, atenção aos zeros à esquerda

As amostras usam dados propositalmente sujos e realmente rodam todos os dias. Se um dia falharem, o ticket dirá a verdade — uma linha que nunca falha, na verdade, indica que não está fazendo trabalho real. Durante o Beta gratuito, as chamadas de tarefa custam $0.00; se a capacidade estiver cheia, tente novamente mais tarde.

Sem MCP? Ainda funciona

As mesmas capacidades têm uma especificação OpenAPI 3.1, para o outro ecossistema que não fala MCP: OpenAI Custom GPT Actions, Dify, Coze, n8n, LangChain e qualquer agente feito sob medida.

https://ainetcafe.com/openapi.json

No Custom GPT, em "Actions → Import from URL", basta colar este endereço; funciona sem autenticação (Beta gratuito, custo do usuário $0.00).

Também pode chamar via HTTP puro diretamente:

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"}'

Dados medidos, cite à vontade

Custo medido da plataforma (custo do usuário $0.00, CC BY 4.0)

Os fornecedores publicam apenas preços por milhão de tokens; ninguém publica "o custo de plataforma de uma chamada" — porque isso depende de quantos tokens o próprio modelo decide gerar; para a mesma pergunta, modelos diferentes podem variar em uma ordem de magnitude. Roteamos tráfego real em uma única conta, então podemos publicar esse número. Cada linha traz tamanho da amostra e nível de confiança. Os fornecedores publicam preços de tabela por milhão de tokens; ninguém publica quanto uma chamada custa para a plataforma. Roteamos tráfego real por uma conta, então podemos. Cada linha carrega seu tamanho de amostra.

/costs — versão legível para humanos + metodologia
/api/model-costs — JSON, CORS, sem chave
/t/model_costs?days=30 — chamável diretamente por URL

Conectamos cada modelo a aplicativos de código aberto em execução real e executamos duas rodadas por tarefa real; taxa de aprovação, custo e latência são todos medidos — não estimados a partir de preços de tabela. CC BY 4.0, cite à vontade.

https://ainetcafe.com/api/bench

Uma conclusão contraintuitiva: em aplicativos que exigem saída estruturada (PPT, LaTeX, agentes de pesquisa), vários modelos muito fortes não conseguem passar em nenhuma tarefa — não por falta de inteligência, mas porque a saída JSON/LaTeX é instável; o aplicativo depende do parsing para funcionar, e quando o formato quebra, todo o pipeline para. A escolha é um problema de confiabilidade, não de inteligência.

Por que vale a pena conectar

Abaixo está uma chamada real de compare_models neste site — a mesma pergunta, três modelos, respostas praticamente idênticas:

ModeloCustoLatênciaResposta
deepseek-v4-flash$0.0001097.1sThe capital of France is Paris.
GLM5.2$0.0003664.2sThe capital of France is Paris.
gemini-3.5-flash$0.00532010.2sParis.

O mais caro é 48,8 vezes mais caro que o mais barato

E ainda é o mais lento e o mais curto. Se o agente for executar milhares de subtarefas, uma escolha errada de modelo significa dezenas de vezes mais custo de plataforma — é exatamente para isso que esta ferramenta existe.

Regras do Beta gratuito

· Todos os aplicativos e chamadas de modelo: custo do usuário $0.00, sem registro, chave pessoal ou pagamento.

· Cada resposta ainda retorna cost_usd, representando o custo real upstream da plataforma, não um valor cobrado do usuário.

· Limites justos de capacidade são aplicados por chamador, projeto e site; se atingir o limite, tente novamente mais tarde.

· Respostas de erro incluem code / how_to_continue legíveis por máquina; falhas podem ser repetidas com segurança.

Experimente agora

Sem instalar nada, copie e cole no terminal:

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"}}}'