ModelRunner MCP Sunucusu
ModelRunner MCP sunucusu, Claude’a, Cursor’a, VS Code’a ve diğer tüm MCP istemcilerine ModelRunner kataloğundaki 169 public modeli — görsel, video, ses, 3D ve metin — 23 çağrılabilir araç olarak veren barındırılan bir Model Context Protocol sunucusudur; yetkilendirme OAuth 2.1 ile, faturalandırma kullanıma göre yapılır.
{
"mcpServers": {
"modelrunner": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://mcp.modelrunner.run/mcp"]
}
}
}


- Transport
- Streamable HTTP
- Kimlik doğrulama
- OAuth 2.1 + PKCE
- Araçlar
- Tümü işaretli
- Faturalandırma
- Çalıştırma başına, bakiyenizden
İstemcinizi bağlayın
Tek yapıştırma, tek yetkilendirme. Hiçbir yere API anahtarı yazılmaz.
- 1
Claude Code içine ekleyin
terminalAşağıdaki snippet’i yapıştırın — sunucu URL’sini zaten içeriyor.
- 2
Tarayıcınızda yetki verin
Ardından tarayıcı yetkilendirmesini tamamlamak için Claude Code’da /mcp komutunu çalıştırın.
claude mcp add --transport http modelrunner https://mcp.modelrunner.run/mcp- 1
Claude Desktop & claude.ai içine ekleyin
Settings → Connectors- Settings → Connectors bölümünü açın.
- Add’e tıklayın, ardından “Add custom connector” seçeneğini seçin.
- Aşağıdaki sunucu URL’sini yapıştırıp onaylayın.
https://mcp.modelrunner.run/mcp - 2
Tarayıcınızda yetki verin
Yetkilendirme penceresi açıldığında ModelRunner’a giriş yapın. Özel connector’lar Claude planınızın kendi limitlerine tabidir.
- 1
Cursor içine ekleyin
~/.cursor/mcp.jsonAşağıdaki snippet’i yapıştırın — sunucu URL’sini zaten içeriyor.
- 2
Tarayıcınızda yetki verin
Cursor’ı yeniden yükleyin, ardından OAuth iznini onaylayın.
{
"mcpServers": {
"modelrunner": {
"url": "https://mcp.modelrunner.run/mcp"
}
}
}- 1
VS Code içine ekleyin
.vscode/mcp.jsonAşağıdaki snippet’i yapıştırın — sunucu URL’sini zaten içeriyor.
- 2
Tarayıcınızda yetki verin
Editördeki sunucu girdisinden ya da “MCP: List Servers” komutuyla başlatın.
{
"servers": {
"modelrunner": {
"type": "http",
"url": "https://mcp.modelrunner.run/mcp"
}
}
}- 1
Herhangi bir stdio istemcisi içine ekleyin
mcp config (bridge)Aşağıdaki snippet’i yapıştırın — sunucu URL’sini zaten içeriyor.
- 2
Tarayıcınızda yetki verin
Yalnızca stdio konuşan istemciler için — mcp-remote onları barındırılan sunucuya bağlar. Windsurf ve diğer MCP istemcileri bu şekilde bağlanır.
{
"mcpServers": {
"modelrunner": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://mcp.modelrunner.run/mcp"]
}
}
}Kendi cümlelerinizle isteyin
Search the ModelRunner catalog for text-to-video models, show me the three cheapest per second with their real prices, then run the cheapest one on: a paper boat drifting down a rain-flooded gutter at night.
Generate three reference frames for a misty-forest-at-dawn shot, let me pick one, then animate it into an 8-second clip and give me the hosted URLs.
Upload ./interview.m4a to ModelRunner, transcribe it, and write the transcript to notes.md with speaker turns.
Welcome to the show. Today we're talking about how AI assistants actually run models. Let's start simple. What is an MCP server? Thanks for having me. An MCP server is a bridge. Your assistant connects to it, discovers a set of tools, and can call them mid-conversation. In our case, those tools run image, video, and audio models in the cloud. And what happens to the files? Say I record an interview like this one. You upload it once, it becomes a hosted URL, and any transcription model can take it from there. The transcript comes back into the conversation with speaker turns.
Upscale every image in ./shots with an upscaling model from the catalog and write a JSON file mapping each filename to its hosted output URL.
List my ModelRunner runs from the last week grouped by model, with the total charged for each, and flag anything that failed.
Read the ModelRunner wrapper authoring guide, then turn the prompt we just tuned into a wrapper called product-hero that takes only a subject and a background colour. Preview it on two inputs before creating it.
23 araç
Özet değil, yüzeyin tamamı. Her rozet, aracın kendi MCP annotation’ıdır — istemcinizin ne için prompt vereceğine karar verirken okuduğu şey.
Keşfet
5 araçBir model bulun ve para harcamadan önce gerçek girdi şemasını okuyun.searchreadlist_modelsreadrecommended_modelsreadget_modelreadget_model_raw_schemareadHer biri ne yapar
- search
- Modeller ve wrapper’lar arasında tek listede, alaka sırasına göre serbest metin araması.
- list_models
- Herkese açık kataloğu sayfalayın; kategoriye ya da girdi/çıktı modalitesine göre filtreleyin.
- recommended_models
- Kategori başına seçilmiş kısa liste — sayfalamaya karşı görüşlü alternatif.
- get_model
- Tek bir modelin girdileri, çıktıları, fiyatlandırması ve örnekleri; okunacak biçimde kısaltılmış.
- get_model_raw_schema
- Kısaltılmamış, OpenAPI biçiminde JSON Schema — özet bir enum’u atladığında.
Çalıştır
3 araçBir iş gönderin ve sonucu alın. Medya çalıştırmaları asenkrondur — gönderin, sonra durumu sorun; dil (chat) modelleri aynı çağrıda yanıt verir.run_modelspendwait_for_requestreadget_requestreadHer biri ne yapar
- run_model
- Bir katalog modelini ya da wrapper’ı owner/alias endpoint’iyle çalıştırın. Para harcayan tek araç.
- wait_for_request
- Sunucu tarafında varsayılan olarak 2 dakikaya kadar (en fazla 10) bekleyip çalıştırmanın son durumunu döner. Çalıştırma her hâlükârda sürer — beklemeye devam etmek için tekrar çağırın.
- get_request
- İsteklerinizden biri için durum, barındırılan çıktı URL’leri, fiyat anlık görüntüsü ve hata.
Dosyalar ve geçmiş
3 araçYerel medyayı bir model girdisinin kabul ettiği URL’ye taşıyın ve geçmiş çalıştırmalarınızı yeniden bulun.create_upload_urlwriteupload_filewritelist_my_requestsreadHer biri ne yapar
- create_upload_url
- Byte’ları doğrudan PUT etmek için presigned URL — dosyaları context window’un dışında tutan yol.
- upload_file
- Uzak bir URL’yi yeniden barındırın ya da asistanın shell’i yoksa base64 byte gönderin.
- list_my_requests
- Kendi çalıştırma geçmişiniz, en yeniden başlayarak; duruma, endpoint’e ve metadata etiketlerine göre filtrelenebilir.
Wrapper yazın
12 araçÇalışan bir prompt’u, sizin ve ekibinizin yeniden çalıştırabileceği adlandırılmış bir endpoint’e dönüştürün.wrapper_authoring_guidereadlist_wrappersreadlist_my_wrappersreadrecommended_wrappersreadget_wrapperreadget_wrapper_raw_schemareadget_wrapper_prompt_templatereadget_wrapper_field_mappingsreadpreview_wrapperreadcreate_wrapperwritepatch_wrapperdestructivedelete_wrapperdestructiveHer biri ne yapar
- wrapper_authoring_guide
- Yazım kılavuzunun tamamı, metin olarak — asistan bir wrapper yazmadan önce kuralları okusun diye.
- list_wrappers
- Katalogdaki herkese açık wrapper’lar, kısa özetler hâlinde.
- list_my_wrappers
- Kendi wrapper’larınız; herkese açık listenin gizlediği özel ve taslak olanlar dâhil.
- recommended_wrappers
- Kategori başına seçilmiş kısa liste.
- get_wrapper
- Tek bir wrapper’ın girdileri, temel modelleri ve açıklaması; okunacak biçimde kısaltılmış.
- get_wrapper_raw_schema
- Yalnızca girdi şeması, özetin kısalttığı enum listelerinin tamamıyla.
- get_wrapper_prompt_template
- Yalnızca Handlebars prompt şablonu ve şablon context’i.
- get_wrapper_field_mappings
- Yalnızca temel model bağlantıları — varsayılan temel model ve model başına alan eşlemeleri.
- preview_wrapper
- Örnek girdiler için prompt’u ve eşlenen payload’ı hiçbir şey çalıştırmadan gösterir.
- create_wrapper
- Size ait yeni bir wrapper oluşturur — siz yayımlayana kadar özel bir taslak.
- patch_wrapper
- Kendi wrapper’larınızdan birini değiştirin; yalnızca gönderdiğiniz alanlara dokunulur.
- delete_wrapper
- Kendi wrapper’larınızdan birini kalıcı olarak siler. Geri alınamaz.
Çalışan bir prompt’u endpoint’e dönüştürün
23 aracın 12 tanesi tek bir iş için var: siz ve asistanınız işe yarayan bir prompt’u ayarladıktan sonra onu bir Wrapper olarak yayımlayın — bir temel model, bir prompt şablonu ve sadeleştirilmiş bir girdi şeması, kendi owner/alias endpoint’inizde.
wrapper_authoring_guideAsistan önce yazım kurallarını okur; böylece yazdığı şey makul değil, geçerli olur.
preview_wrapperÖrnek girdiler için prompt’u ve eşlenen payload’ı hiçbir şey çalıştırmadan gösterir; siz denerken ücret işlemez.
create_wrapperKendi owner adınız altında özel bir taslak olarak oluşturur — siz yayımlayana kadar hiçbir şey herkese açık değildir.
Asistanınız neye erişir

Seedance 2.5 Image to Video
bytedance
from $0.154 per second of video

Happy Horse 1.1 Text to Video
alibaba
from $0.14 per second of video
Lyria 3 Clip
$0.04 per audio clip

Nano Banana 2 Lite Text to Image
$0.034 per image

Kling 3.0 Motion Control
kuaishou
$0.168 per second of video

Seedream 5.0 Pro Text to Image
bytedance
from $0.045 per image
Stable Audio 2.5 Audio-to-Audio
stability-ai
$0.2 per audio clip

Recraft V4.1 Pro
recraft
$0.21 per image
Sıkça sorulan sorular
ModelRunner MCP sunucusu nedir?
{url} adresinde barındırılan, herkese açık ModelRunner kataloğunu — görsel, video, ses, 3D ve metin modellerini — herhangi bir MCP istemcisinin çağırabileceği {tools} araç olarak sunan bir Model Context Protocol sunucusudur. Asistanınız modelleri arayabilir, girdi şemalarını okuyabilir, çalıştırabilir, dosya yükleyebilir ve barındırılan sonuç adreslerini sohbete geri getirebilir.
Model Context Protocol nedir?
Model Context Protocol (MCP), yapay zekâ asistanlarının harici araçları ve verileri tek bir ortak arayüz üzerinden kullanmasını sağlayan açık bir standarttır: Claude, Cursor veya VS Code gibi bir istemci bir MCP sunucusuna bağlanır, sunucunun sunduğu araçları keşfeder ve sohbet sırasında bunları çağırır. ModelRunner MCP sunucusu bu standardı uygular; böylece herhangi bir MCP istemcisi özel bir entegrasyon olmadan herkese açık ModelRunner kataloğuyla çalışabilir.
Tek sağlayıcılı bir MCP sunucusundan farkı nedir?
Bir sağlayıcının MCP sunucusu yalnızca kendi şirketinin modellerini sunar. ModelRunner MCP sunucusu ise sağlayıcılar arası herkese açık kataloğu tek bir yapılandırma girdisiyle sunar; böylece asistanınız katalogda arama yapıp göreve göre model seçebilir — ya da siz bir model belirtirsiniz — ve kataloğa yayımlanan modeller siz hiçbir şey değiştirmeden kullanılabilir hâle gelir.
Hangi istemcilerle çalışıyor?
MCP’yi destekleyen her istemciyle. Kurulum Claude Code, Claude Desktop ve claude.ai (özel bağlayıcı olarak), Cursor ve Copilot’lu VS Code için doğrulanmıştır. Yalnızca stdio destekleyen istemciler mcp-remote köprüsü üzerinden bağlanır.
MCP yapılandırmamda API anahtarı gerekiyor mu?
Hayır. Sunucu, {url} adresinde Streamable HTTP kullanır ve OAuth 2.1 ile yetkilendirir — PKCE (S256) ile yetkilendirme kodu, kapsam mcp — bu yüzden ilk bağlantı, ModelRunner hesabınıza yetki vermeniz için bir tarayıcı penceresi açar. Dinamik istemci kaydını (RFC 7591), yenileme belirteçlerini ve iptali (RFC 7009) destekler; kendini /.well-known/oauth-protected-resource ve /.well-known/oauth-authorization-server adreslerinde tanıtır, böylece bir istemci bunların tümünü yalnızca adresten keşfeder. Yapılandırma dosyasına hiçbir kimlik bilgisi yazılmaz — istemciniz yenileyebileceği bir belirteç tutar ve sunucunun bağlantısını istemcinizden kestiğinizde erişimi sona erer.
MCP üzerinden fiyatlandırma nasıl işliyor?
Tam olarak API üzerinden olduğu gibi: kullanım bazlı, çalıştırma başına hesap bakiyenizden düşülür. Bir modeli çalıştırmak o modelin yayımlanmış fiyatına mal olur; bir wrapper çalıştırmak ise wrapper’ın yayımlanmış fiyatına mal olur ve bu fiyat, yazarının temel modelin üzerine eklediği kâr marjını içerir. MCP üzerinden bağlanmak ikisine de hiçbir ek ücret getirmez. Para harcayan tek araç run_model’dir — yükleme ve wrapper yazma araçları yalnızca kendi verinizi değiştirir ve istemcinizin her birinden önce onay sorabilmesi için işaretlenmiştir.
Bir üretim ne kadar sürer?
Tamamen modele ve parametrelere bağlıdır, bu yüzden çalıştırmalar eşzamansızdır: run_model hemen bir istek kimliği döndürür ve asistanınızı asla bekletmez. wait_for_request ise o isteği sunucu tarafında çağrı başına varsayılan olarak en fazla 2 dakika (en çok 10 dakika) izler ve son durumunu döndürür. Bekleyen olsun olmasın çalıştırma sürer; uzun bir üretim beklemeyi aşarsa wait_for_request veya get_request’i yeniden çağırmak kaldığı yerden devam eder — hiçbir şey kaybolmaz ve iki kez ücretlendirilmez.
Dosyalarıma ve sonuçlarıma ne oluyor?
Her dosya girdisi bir adrestir, bu yüzden yerel bir dosyanın önce barındırılması gerekir: create_upload_url, asistanınızın baytları doğrudan PUT edeceği imzalı bir adres döndürür; böylece dosya hiç sohbete girmez. Yüklediğiniz girdiler ve bir modelin ürettiği çıktılar ModelRunner’da saklanır ve barındırılan adresler olarak döner. İstekler varsayılan olarak hesabınıza özeldir; list_my_requests yalnızca kendi geçmişinizi okur ve duruma, endpoint’e ve gönderim sırasında belirlediğiniz meta etiketlerine göre filtreleyebilir.
Asistanım bana sormadan para harcayabilir mi?
Her araç işaretlidir ve istemciler neyin onay gerektireceğine bu işaretlere bakarak karar verir: run_model, para harcayan ve geri alınamaz bir işlem olarak işaretlenmiştir; bu işaretlere uyan bir istemci her çalıştırmadan önce sorar. Ayrıca çalıştırmalar gönderildiklerinde hesap bakiyenize göre denetlenir; bu, istemci davranışına bağlı değildir.
Bakiyem bir çalıştırmayı karşılamazsa ne olur?
Çalıştırma gönderim anında reddedilir: run_model, mevcut bakiyenizi ve o endpoint’in gerektirdiği asgari tutarı belirten bir yetersiz bakiye hatası döndürür, hiçbir istek oluşturulmaz ve hiçbir ücret alınmaz. Daha önce kabul edilmiş çalıştırmalar sürer. Bakiyenizi yükleyip yeniden gönderin.
Sürekli yeniden kullandığım bir komutu çağrılabilir bir şeye dönüştürebilir miyim?
Evet — wrapper’lar tam olarak budur. Bir wrapper; bir temel model, bir prompt şablonu ve sadeleştirilmiş bir girdi şemasından oluşur ve kendi owner/alias endpoint’inizde yer alır. Özel bir taslak olarak oluşturulur ve hazır olduğunuzda yayımlamak size kalmıştır. Araçların {wrapperTools} tanesi bunları yazmak içindir; buna asistanın önce okuduğu bir kılavuz ve hiçbir şey çalıştırmadan eşlenen istek gövdesini gösteren bir önizleme aracı da dâhildir.
REST API ve SDK’lerle birlikte kullanabilir miyim?
Evet. MCP, REST API ve JavaScript ile Python SDK’lerinin hepsi aynı kataloğa, aynı endpoint’lere ve aynı bakiyeye gider. Asistanınızdan başlatılan bir çalıştırma, panonuzda koddan başlatılanın yanında görünür.

