netcafe-sdk

netcafe — 给 AI Agent 的一套工具,单文件、零依赖

不用注册、不用密钥就能开始:匿名有免费额度,每次调用都会告诉你花了多少钱。 额度不够时传一把 AllRouter Key 进来,调用方式完全不变。

graph LR
  A["你的 Agent"] -->|一个 URL| B["ainetcafe.com"]
  B --> C["搜索 / 读网页 / 图表"]
  B --> D["转写 / 语法 / PDF"]
  B --> E["跨会话记忆"]
  B --> F["build: 一句话造应用并上线"]

上面这张图本身就是用本 SDK 渲染的 —— 见下方「把图表直接写进 README」。

30 秒上手

curl "https://ainetcafe.com/t/web_search?query=MCP+protocol+2026"

就这样——不需要安装任何东西。任何能发 HTTP 请求的 agent 现在就能用。

Python(只用标准库)

from netcafe import NetCafe
nc = NetCafe()                       # 匿名;NetCafe(key="sk-...") 提额+跨设备记忆

nc.search("MCP 协议 2026")            # 联网搜索
nc.read("https://example.com")        # 网页 → 干净 Markdown
nc.transcribe("https://x.com/a.mp3")  # 语音 → 文字
nc.build("一个番茄钟,可自定义时长")     # ★ 一句话造一个真正在线的应用

Node(只用内置 fetch)

import { NetCafe } from './netcafe.mjs';
const nc = new NetCafe();
await nc.search('MCP 协议 2026');

把图表直接写进 README

不发任何请求就能拼出图片 URL,npm / PyPI / Gitee 的 README 不渲染 mermaid,这个可以:

![流程图](https://ainetcafe.com/i/mermaid/Z3JhcGggVEQ7IEEtLT5C)

更实用的是活图——指向仓库里的源文件,图跟着代码一起更新,不会像截图那样过期:

![架构图](https://ainetcafe.com/i/url/https%3A%2F%2Fraw.githubusercontent.com%2Fyou%2Frepo%2Fmain%2FREADME.md)

Markdown 里的 ```mermaid 代码块会被自动提取(?block=2 取第二张)。支持 25+ 种图表语言。

同一道题,各模型实际收费差多少(真实实测,CC BY 4.0)

厂商公布的都是「每百万 token 多少钱」。但一次调用花多少钱,取决于模型自己愿意吐多少 token —— 同一道题,有的模型二十几个 token 收工,有的写四百个。所以标价便宜的,实付未必便宜。

我们每晚把三道固定的题(temperature 0)发给每一个模型,按各家真实上报的 token 用量算实付。 同一道题,所以差异只来自模型本身:

短问答:两句话解释哈希表 — 最贵的比最便宜的贵 26.6 倍

模型	这道题实付	tokens 入/出	耗时
deepseek-v4-flash	$0.000152	26 / 201	4554 ms
GLM5.2	$0.000742	34 / 200	19610 ms
claude-sonnet-5	$0.000994	21 / 116	4088 ms
gemini-3.5-flash	$0.001351	688 / 73	6797 ms
claude-opus-4-8	$0.002124	21 / 102	7095 ms
Kimi-K3	$0.002239	28 / 181	6438 ms
claude-fable-5	$0.004048	21 / 97	3477 ms
摘要:一段技术文字 → 三个要点 — 最贵的比最便宜的贵 35 倍

模型	这道题实付	tokens 入/出	耗时
deepseek-v4-flash	$0.000223	178 / 227	4692 ms
claude-sonnet-5	$0.001464	206 / 137	4846 ms
GLM5.2	$0.001612	182 / 400	15637 ms
Kimi-K3	$0.002849	177 / 202	9647 ms
claude-opus-4-8	$0.003924	206 / 155	4781 ms
claude-fable-5	$0.007808	206 / 154	4798 ms
结构化抽取:只返回 JSON — 最贵的比最便宜的贵 19.1 倍

模型	这道题实付	tokens 入/出	耗时
deepseek-v4-flash	$0.000083	55 / 90	5331 ms
claude-sonnet-5	$0.000277	54 / 23	3225 ms
claude-opus-4-8	$0.000676	54 / 23	5379 ms
GLM5.2	$0.000971	62 / 256	6887 ms
claude-fable-5	$0.001352	54 / 23	4481 ms
Kimi-K3	$0.001589	57 / 121	4854 ms

截至 2026-08-06,19 次有效探针,窗口 30 天。中位数倍差 26.6 倍。 样本每晚累积,数字会持续更新。

顺带发现:同一个模型,有时会贵一个数量级

同一道题、同一个模型,上游有时把请求路由到一条带大段缓存前置的通道 —— 发一个词过去, 它报回来 4,000 多个 prompt token。这不是模型的属性,是路由行为,所以上面的表已把这类请求剔除。 但做批量任务前值得知道它的发生率:

模型	命中前置的比例	命中时单次实付
gemini-3.5-flash	67%	$0.005864
gpt-5.5	100%	$0.019911

判据:单次请求中缓存命中的 prompt token ≥ 1000。样本随每晚探针累积。

nc.costs()          # → 同题口径 + 生产流量口径

curl "https://ainetcafe.com/t/model_costs?days=30"     # 不装任何东西

• 人读版(含方法论与口径说明):https://ainetcafe.com/costs
• JSON API,无需 key,CORS 开放:https://ainetcafe.com/api/model-costs
• 原始记录 CSV(每一次探针,含失败的和被剔除的):https://ainetcafe.com/api/model-costs/raw.csv
• Hugging Face 镜像,每晚刷新:https://huggingface.co/datasets/mario0369/llm-cost-same-prompt
  • standard_bench = 同题可比口径,选型看这个
  • production_mixed = 真实生产流量的实付,但各模型跑的题不同,不能横向相除

数据以 CC BY 4.0 发布,引用请注明 "AI NetCafe real model cost dataset, https://ainetcafe.com/costs"。

全部能力

方法	做什么
search	联网搜索(自托管元搜索,无追踪)
read	任意网页 → LLM 友好的 Markdown
diagram / diagram_url	Mermaid/PlantUML/Graphviz → SVG/PNG
transcribe	音频 URL → 文字稿(开源 Whisper,自托管)
grammar	30+ 语言语法/拼写/风格检查
pdf	网页或 HTML → 打印级 PDF
translate	文本翻译
ask / compare	单模型问答 / 多模型对比(含真实计量成本与延迟)
models	全部可调模型 + 每百万 token 标价
costs	每个模型「一次调用」的真实实付成本(账单口径,非标价)
remember / recall	跨会话记忆;带 Key 时跨设备、跨 agent 共享
build	一句话造一个真正在线的应用,约 100 秒返回 HTTPS 网址,归你所有

为什么用这个,而不是各装各的

单看每一项都有替代品。没有替代品的是一把 Key 背后的组合:

• 一套工具箱,不是一个工具——上面那些,同一个接口、同一把 Key
• 记忆能跨会话活下来——笔记本上的 Claude Code 和台式机上的 Codex 取到同一份决策
• 你的 agent 能发布软件——build 一句话把应用送上线,据我们所知这是独一份
• 花费看得见——每次响应都带精确到 $0.0001 的成本和剩余额度,agent 可以按预算决策

老实说:只渲染一张图,用专门的渲染服务就好。当 agent 需要多种能力、需要记忆、或者需要把东西放上互联网时,再用这里。

用 MCP 也行

claude mcp add --transport http ai-netcafe https://ainetcafe.com/mcp

23 个工具会直接出现在 Claude Code / Cursor 里。文档:https://ainetcafe.com/mcp.html

许可

MIT