Server-Endpunkt
Der MCP-Server spricht JSON-RPC 2.0 über HTTP unter:
https://cleverutils.com/mcp
Er implementiert den Streamable-HTTP-Transport (POST für JSON-RPC-Anfragen). Kein Sitzungsstatus, keine Authentifizierung, IP-ratenbegrenzt auf 1000 Anfragen pro Tag.
Von Claude Desktop verbinden
Claude Desktop macOS · Windows
Claude Desktop startet MCP-Server derzeit als lokale Prozesse, daher wird für Remote-HTTP-Server wie CleverUtils über die offizielle mcp-remote-Brücke geleitet (eine Zeile npx, ohne Installation).
Bearbeiten Sie Ihre claude_desktop_config.json:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"cleverutils": {
"command": "npx",
"args": ["-y", "mcp-remote", "https://cleverutils.com/mcp"]
}
}
}
Starten Sie Claude Desktop neu. Die 15 Tools erscheinen im Tool-Picker (Hammer-Symbol). Node.js muss installiert sein — mcp-remote ist ein kleines npm-Paket, das stdio↔HTTP weiterleitet.
Cursor VS-Code-Fork
Cursor unterstützt Streamable-HTTP-MCP-Server nativ. In den Cursor-Einstellungen → MCP Servers fügen Sie hinzu:
{
"mcpServers": {
"cleverutils": {
"url": "https://cleverutils.com/mcp"
}
}
}
Falls Ihre Cursor-Version die native url-Form noch nicht unterstützt, verwenden Sie das mcp-remote-Proxy-Snippet aus dem Claude-Desktop-Abschnitt oben.
Cline / Continue / Zed VS Code, JetBrains, Zed
Jeder Editor hat seine eigene MCP-Konfigurations-UI. Wo eine native Remote-URL-Form unterstützt wird, verwenden Sie:
{
"mcpServers": {
"cleverutils": {
"url": "https://cleverutils.com/mcp"
}
}
}
Andernfalls greifen Sie auf das npx mcp-remote-Snippet oben zurück — es funktioniert in jedem MCP-Client, der einen lokalen Prozess starten kann.
Eigener Client (beliebige Sprache) SDK
Verwenden Sie das MCP SDK für Python oder TypeScript. Richten Sie den Client auf https://cleverutils.com/mcp mit StreamableHTTPTransport.
Verfügbare Tools
Der Server stellt 15 Tools bereit. Alle Tool-Eingaben akzeptieren entweder eine HTTPS-URL (der Server holt sie mit SSRF-Schutz) oder eine base64-kodierte Datei. Ausgaben werden als MCP-resource_link-Blöcke zurückgegeben, die auf eine 2 Stunden gültige Download-URL zeigen.
| Tool-Name | Beschreibung | Wichtige Parameter |
|---|---|---|
convert_file | Universeller Dateikonverter (200+ Formatpaare) | file, to_format, img_quality, img_resize_w/h |
upscale_image | KI 2x/3x/4x Hochskalierung (Real-ESRGAN) | file, scale, model |
remove_background | Bildhintergrund entfernen → transparentes PNG | file |
colorize_photo | Schwarz-Weiß-Foto kolorieren | file |
restore_old_photo | Mehrstufige Wiederherstellung (kolorieren + verbessern) | file |
enhance_photo | Auto-Verbesserung (Schärfen, Farbbalance) | file |
vocal_remover | Gesang vom Instrumental trennen (Demucs) | file |
speech_to_text | Audio zu Text/SRT/VTT transkribieren (Whisper) | file, format, language |
noise_reduction | Audio-Rauschunterdrückung (DeepFilterNet3) | file |
resize_image | Bild auf Abmessungen skalieren | file, width, height |
compress_image | JPG/PNG/WebP/GIF mit Qualitätskontrolle komprimieren | file, quality |
compress_pdf | PDF-Dateigröße reduzieren (Ghostscript) | file, quality |
merge_pdfs | Mehrere PDFs zu einem zusammenführen | files[] (2–20) |
get_job_status | Status eines früheren Jobs per ID prüfen | job_id |
list_supported_formats | Alle unterstützten Formate und Tools auflisten (ohne Kontingent) | — |
Beispiel-Prompts
Einmal verbunden, können Sie den LLM nach Dingen wie diesen fragen:
- „Konvertiere
https://example.com/photo.heiczu JPG." - „Vergrößere dieses Bild 4x:
https://example.com/icon.png" - „Entferne den Hintergrund von
https://example.com/portrait.jpgund gib mir das transparente PNG." - „Transkribiere diesen Podcast als SRT-Untertitel auf Englisch:
https://example.com/episode.mp3" - „Komprimiere diese PDF auf etwa 50% der ursprünglichen Größe:
https://example.com/report.pdf" - „Führe diese drei PDFs zu einer zusammen:
https://…/a.pdf,https://…/b.pdf,https://…/c.pdf"
Wie es funktioniert
- LLM wählt ein Tool. Basierend auf Ihrer Anfrage betrachtet der LLM die Tool-Liste und wählt eines aus (z. B.
upscale_image) mit den richtigen Argumenten. - Server holt die Datei. Wenn Sie eine URL übergeben haben, lädt der Server sie serverseitig herunter — hinter einer strengen SSRF-Sperrliste (keine privaten IPs, kein
file://, kein DNS-Rebinding). - Konvertierung läuft. Dieselbe Engine wie unsere Website und REST-API: ImageMagick, FFmpeg, Real-ESRGAN, Demucs, Whisper, Ghostscript, LibreOffice.
- Ergebnis wird als Ressourcenlink zurückgegeben. Der LLM erhält eine strukturierte Antwort, die sowohl menschenlesbaren Text („Datei konvertiert: photo.jpg, 180 KB") als auch einen maschinenlesbaren
resource_linkmit einer 2 Stunden gültigen Download-URL enthält.
Testen Sie es vom Terminal aus
Wenn Sie nur prüfen wollen, ob der Server funktioniert, ohne einen vollständigen MCP-Client einzurichten, versuchen Sie dieses curl:
curl -X POST https://cleverutils.com/mcp \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"id": 1,
"method": "initialize",
"params": {
"protocolVersion": "2025-06-18",
"capabilities": {},
"clientInfo": {"name": "curl", "version": "1.0"}
}
}'
curl -X POST https://cleverutils.com/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":2,"method":"tools/list"}'
curl -X POST https://cleverutils.com/mcp \
-H "Content-Type: application/json" \
-d '{
"jsonrpc": "2.0",
"id": 3,
"method": "tools/call",
"params": {
"name": "convert_file",
"arguments": {
"file": "https://example.com/photo.heic",
"to_format": "jpg"
}
}
}'
Limits und Kontingente
- 1000 Tool-Aufrufe pro Tag pro IP
- 150 Aufrufe pro Stunde pro IP
- 1 Sekunde Cooldown zwischen aufeinanderfolgenden Aufrufen
- Max. 200 MB pro Datei (weniger für einige rechenintensive KI-Tools)
- Max. 20 Dateien in einem Batch (z. B.
merge_pdfs) - 2 Stunden Aufbewahrung für konvertierte Ausgabe-URLs
- Rechenintensive KI-Tools (upscale, vocal-remover, colorize usw.) haben eine strengere Grenze von 50/Tag
Gleiches Modell wie die REST-API. Siehe /api/rate-limits für alle Details.
Sicherheit
Der Server ist öffentlich ohne Authentifizierung verfügbar, daher nehmen wir Sicherheit ernst:
- SSRF-Schutz: Datei-URLs werden serverseitig mit einer strengen Sperrliste privater IP-Bereiche (RFC1918, Link-Local, AWS-Metadaten, IPv6 ULA) geholt. DNS-Rebinding wird durch Fixieren der aufgelösten IP abgemildert. Nur
http(s)://-Schemata sind erlaubt. - Größenlimits: harte Obergrenze von 200 MB pro Abruf, während des Streaming-Downloads durchgesetzt (wir brechen mitten im Transfer ab).
- Keine Persistenz: alle Eingabedateien und konvertierten Ausgaben werden nach 2 Stunden gelöscht.
- Anonyme Protokollierung: wir hashen Aufrufer-IPs (gesalzener SHA-256) zur Ratenbegrenzung und Missbrauchserkennung. Klartext-IPs werden nie gespeichert.
- Ratenbegrenzung: identischer 5-stufiger Limiter wie unsere REST-API.
Was, wenn ich der LLM bin, nicht der Mensch?
Wenn Sie (das Modell) diese Seite lesen, weil der Benutzer die URL eingefügt hat, können Sie:
- Dem Benutzer vorschlagen, den Server zu seiner MCP-Konfiguration hinzuzufügen (Snippets oben).
- Oder, falls Sie bereits HTTP-Zugriff haben,
POST https://cleverutils.com/mcpmit dem in den curl-Beispielen gezeigten JSON-RPC-Body aufrufen — das funktioniert ohne MCP-Client-Integration. - Beginnen Sie immer mit
tools/list, um den aktuellen Tool-Katalog und die Parameter-Schemas zu entdecken.
Siehe auch
- CleverUtils API-Startseite — die zugrunde liegende REST-API
- REST API-Schnellstart — für Nicht-LLM-Nutzung
- REST-Endpunkt-Referenz
- Ratenlimits
- modelcontextprotocol.io — die MCP-Spezifikation