UnifAPI MCP mit Claude, ChatGPT, Codex, Claude Code, Cursor, VS Code, OpenClaw oder Hermes verbinden und den ersten Public-Data-Skill ausführen.

Kurz gesagt: Dies ist der Onboarding-Artikel für MCP-Setup-Anfragen: Fügen Sie den gehosteten UnifAPI-Server hinzu, authentifizieren Sie sich per OAuth und führen Sie einen Skill aus dem Agent-Client aus, den Sie ohnehin nutzen.

Der schnellste Weg, einem kompatiblen allgemeinen Agent, Research-Agent, Coding-Agent oder MCP-fähigen Client Zugang zu öffentlichen Daten von UnifAPI zu geben, ist die Verbindung mit dem gehosteten MCP-Server. Fügen Sie eine URL hinzu, authentifizieren Sie sich, wenn der Client danach fragt, und der Agent kann Skills ausführen, ohne dass Sie Glue-Code schreiben oder plattformspezifische API-Keys einfügen müssen.

Die kanonische UnifAPI-MCP-Server-URL lautet https://mcp.unifapi.com. Nutzen Sie OAuth, wo der Client es unterstützt. Die API-Key-Bearer-Authentifizierung bleibt ein Kompatibilitätspfad, sollte aber für die meisten Operatoren nicht der erste Setup-Pfad sein.

Was Sie verbinden

MCP gibt dem Agent eine Tool-Oberfläche. Der gehostete MCP-Server von UnifAPI stellt drei Katalog-Tools bereit: list_operations für die Discovery, get_operation für die Schema- und Beispielprüfung und call_api, um eine konkrete Operation auf öffentliche Daten aufzurufen. Der Agent braucht kein separates Tool für jeden einzelnen API-Endpunkt.

Element	Wert
Server-URL	`https://mcp.unifapi.com`
Empfohlene Auth	OAuth über den MCP-Client
Kompatibilitäts-Auth	API-Key-Bearer-Header, wenn ein Client statische Tokens verlangt
Was abgerechnet wird	Von Live-APIs zurückgegebene Datensätze öffentlicher Daten
Was UnifAPI nicht abrechnet	Die Modell-Tokens oder der Agent-Plan, den Sie ohnehin zahlen

Bevor Sie beginnen

Sie brauchen einen MCP-fähigen Client, ein UnifAPI-Konto, sobald OAuth verfügbar ist, und genügend Workspace-Credits, um Datensätze öffentlicher Daten zurückzugeben. Sie können Skills bereits vor der Anmeldung durchstöbern. Der Anmeldemoment sollte stattfinden, wenn der Agent tatsächlich Tools aufrufen muss.

Wenn Sie mit Claude Desktop oder Custom-Connectors von Claude.ai testen, denken Sie daran, dass Remote-Connectors über Anthropics Cloud vermittelt werden. Ihr MCP-Server muss aus dem öffentlichen Internet erreichbar sein. Das ist für https://mcp.unifapi.com kein Problem; es ist nur eines für private lokale Server.

Codex

Codex unterstützt Remote-HTTP-MCP-Server über die Codex CLI und die geteilte Config. Fügen Sie UnifAPI hinzu mit:

codex mcp add unifapi --url https://mcp.unifapi.com

Prüfen Sie dann, ob der Server konfiguriert ist:

codex mcp list

Öffnen Sie eine neue Codex-Session und bitten Sie um eine Skill-artige Aufgabe, nicht nur um einen generischen API-Aufruf. Zum Beispiel: Run a KOL pricing pass for these Twitter/X creators using UnifAPI public data. Return ranges, evidence, confidence, and follow-up questions.

Claude Code

Die aktuelle Referenz von Claude Code empfiehlt Remote-HTTP für Cloud-MCP-Server, wo verfügbar. Fügen Sie UnifAPI aus dem Projekt hinzu, in dem Claude Code es nutzen soll:

claude mcp add --transport http unifapi https://mcp.unifapi.com

Nutzen Sie den User-Scope, wenn der Server projektübergreifend verfügbar sein soll:

claude mcp add --transport http --scope user unifapi https://mcp.unifapi.com

Führen Sie in Claude Code /mcp aus, um den Verbindungsstatus zu bestätigen und bei Bedarf OAuth abzuschließen. Ist der Server über .mcp.json projektbezogen, kann Claude Code vor der Nutzung um Freigabe bitten.

Claude Desktop und Claude.ai

Für Remote-MCP-Connectors in Claude Desktop oder Claude.ai gehen Sie zu Anpassen -> Connectors -> + -> Benutzerdefinierten Connector hinzufügen. Geben Sie einen klaren Namen wie UnifAPI ein und verwenden Sie die Connector-URL https://mcp.unifapi.com, klicken Sie dann auf Verbinden, um sich zu authentifizieren.

Oder sparen Sie sich die Menüs: Dieser Link öffnet denselben Dialog mit bereits eingetragenem Namen und URL. Prüfen Sie beides, klicken Sie auf Add und dann auf Connect.

Verwechseln Sie Remote-Connectors nicht mit der alten, rein lokalen Desktop-MCP-Config. Remote-Connectors werden in der Claude-Einstellungs-UI hinzugefügt und können nach der Verbindung über alle Claude-Oberflächen genutzt werden. Lokale stdio-Server, die über die Desktop-Config konfiguriert werden, sind ein separater Mechanismus.

Cursor

Cursor unterstützt MCP über mcp.json. Für ein globales Setup erstellen oder bearbeiten Sie ~/.cursor/mcp.json. Für ein rein projektbezogenes Setup erstellen Sie .cursor/mcp.json im Projekt.

Verwenden Sie diese Remote-Server-Form:

{ "mcpServers": { "unifapi": { "url": "https://mcp.unifapi.com" } } }

Starten Sie Cursor neu oder aktualisieren Sie die MCP-Tools-Ansicht, falls der Server nicht sofort erscheint. Cursors Agent nutzt aktivierte MCP-Tools, wenn sie relevant sind, und kann je nach Ihren Einstellungen vor dem Ausführen eines Tools um Freigabe bitten.

Erster Skill zum Ausführen

Verwenden Sie einen Task-Prompt, der dem Agent sagt, welches Ergebnis Sie wollen und welche Belege er prüfen soll. Ein guter erster Lauf ist:

Find Twitter/X KOLs discussing AI coding tools and summarize the best outreach angles. Use UnifAPI public data through MCP. Return a ranked shortlist, public evidence, risk notes, and follow-up questions. Keep the workflow bounded to public data.

Ein zweiter nützlicher Test ist:

Find the top three TikTok videos about Anthropic this week. Use UnifAPI MCP. Show the public records you used, then summarize the pattern in one paragraph.

Der Agent sollte Operationen entdecken, die richtige Operation prüfen, sie aufrufen und die Ergebnisse synthetisieren. Versucht er, Endpunktnamen zu raten, ohne den Katalog zu prüfen, bitten Sie ihn, zuerst list_operations und get_operation aufzurufen.

Was abgerechnet wird

Workspace-Credits kosten je $0,001. Standard-abrechenbare Datensätze sind ein Credit, und höher bepreiste Operationen veröffentlichen ihre Mindest-Credits über OpenAPI. Der einmalige Bonus von 2.000 Credits bei der ersten Aufladung reicht aus, um die Form einiger leichter Workflows zu testen. Wenn Sie für wiederholte Läufe bereit sind, laden Sie ein Pay-as-you-go-Guthaben auf.

Die wichtigste Kostengewohnheit ist, den Prompt zu begrenzen. Fragen Sie zuerst nach den Top-10- oder Top-20-Datensätzen und vertiefen Sie nur, wenn die Antwort nützlich ist. Eine vage Anfrage wie „recherchiere alles über diesen Markt“ kann sich über viele Operationen ausfächern. Eine begrenzte Anfrage wie „ziehe 20 Reddit-Threads und fasse wiederkehrende Einwände zusammen“ ist leichter zu prüfen und zu budgetieren.

Fehlerbehebung

Symptom	Wahrscheinliche Ursache	Was zu tun ist
Server erscheint, aber keine Tools werden genutzt	Der Agent hat die MCP-Tools nicht gewählt	Bitten Sie ihn, zuerst die verfügbaren UnifAPI-Operationen aufzulisten
OAuth wird nicht abgeschlossen	Browser-/Auth-Flow nicht beendet	Öffnen Sie `/mcp` oder die Connector-Einstellungen des Clients erneut und verbinden Sie neu
Tool-Aufruf gibt „unauthorized“ zurück	Falscher Auth-Pfad oder abgelaufenes Token	Mit OAuth neu authentifizieren oder die Bearer-Token-Config prüfen
Das Ergebnis ist zu breit	Dem Prompt fehlten Einschränkungen	Plattform, Zeitfenster, Datensatzanzahl und Output-Format ergänzen
Die Antwort überzieht	Der Prompt setzte keine Grenzen	Belege, Confidence und Unbekanntes verlangen

Geprüfte Quellen

Diese Setup-Anleitung wurde am 2. Juni 2026 gegen die offizielle OpenAI-Docs-MCP-Seite, die Claude-Code-MCP-Referenz, Anthropics Hilfe-Center-Artikel zu Custom-Connectors und Cursors MCP-Dokumentation aktualisiert.

Was Sie als Nächstes lesen sollten

MCP-Setup – hält die aktuellen Anweisungen zum gehosteten Connector an einem Ort.

Einen KOL-Pricing-Agent mit MCP betreiben – liefert eine erste Aufgabe nach dem Setup.

Design des MCP-Katalog-Tools – erklärt, wie Agents Operationen entdecken und aufrufen.