一組 API，掌握所有頂尖模型。
別再為金鑰、SDK 和供應商專屬 JSON 手忙腳亂。Atlas Cloud 把 300+ 模型（LLM、圖片、影片、音訊）聚合在同一個相容 OpenAI 的 endpoint 後面。我們直接從官方來源與可信雲端節點拉取，呈現出來的就是原版模型，不是經過篩減的複製品。替換模型字串，其餘程式碼維持不變。
用 ATLAS CLOUD 打造你的產品
用 ATLAS CLOUD 打造你的產品
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.ATLASCLOUD_API_KEY,
baseURL: "https://api.atlascloud.ai/v1"
});
const model = "moonshotai/kimi-k2.6";
const prompt = "Summarise this PDF in 3 bullets.";
const resp = await client.chat.completions.create({
model,
messages: [{ role: "user", content: prompt }]
});
console.log(resp.choices[0].message.content);
在你的 Agent 中直接使用。
在你的 Agent 中直接使用。
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": ["-y", "atlascloud-mcp"],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}把這段貼進任何相容 MCP 的客戶端 — Cursor、Windsurf、VS Code、Claude Desktop、Zed、JetBrains、Trae、Claude Code、Gemini CLI、Codex CLI、Goose 等等。
運作方式
運作方式
我們的平台已上架 300+ 可直接投入生產的模型，任何一個都能用一行程式碼呼叫。
接入任何 MCP 客戶端
將一段 JSON 貼進 Cursor、Claude Code、Claude Desktop、VS Code、Windsurf、Zed、JetBrains、Codex CLI、Gemini CLI、Goose 或任何相容 MCP 的客戶端即可，完全不需要供應商專屬的黏合程式碼。
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": ["-y", "atlascloud-mcp"],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}接著叫你的 agent …
atlascloud MCP 伺服器接好之後，agent 就能用自然語言呼叫 Atlas Cloud 的 300+ 模型。只要在指令中提到 Atlas Cloud，agent 就會走 MCP 工具路徑。
使用 Atlas Cloud MCP 伺服器，請 DeepSeek V3.2 用三條要點摘要這份 PDF。
使用 Atlas Cloud 以 Seedream v5.0 生成一張圖片 — 雨夜黃昏中的賽博龐克街市，1024x1024。
呼叫 Atlas Cloud MCP 工具，以 Seedance 2.0 在 1080p 下產生一段 10 秒的電影感火箭清晨升空鏡頭。
透過 Atlas Cloud MCP 伺服器，用 Nano Banana 2 編輯 ~/photos/cat.jpg — 加上一頂巫師帽，構圖維持不變。
如何在 Atlas Cloud 上開發
幾分鐘即可上手 — 照著下面六個步驟，從全新帳號一路走到可上線的整合。
建立你的 Atlas Cloud 帳號
到 atlascloud.ai 註冊並驗證電子郵件，即可開始探索平台上的每一個模型。
搭配 Coding 工具使用
常見問題
動筆寫下第一行程式碼前，你需要知道的一切。
不需要。Chat endpoint 相容 OpenAI — 把 OpenAI SDK（或任意 HTTP client）指向 api.atlascloud.ai/v1，再替換模型字串即可。串流、tool use 與 function calling 全部照常運作。
Chat 是同步呼叫；圖片與影片模型則以非同步 prediction 形式執行：你 POST 到 submit endpoint 拿到一個 prediction id，再以該 id 對 prediction endpoint 發 GET，直到 status 變成 succeeded。每 2 秒輪詢一次大致足夠 — 不需要 webhook。
涵蓋 LLM、圖片、影片與音訊的 300+ 模型 — DeepSeek、Qwen、Kimi、GLM、Seedance、Seedream、Nano Banana 等等。到 /models 瀏覽完整列表，你在那裡複製到的模型 id，就是 API 呼叫時要傳入的字串。
依模態不同，按 token 或按 prediction 計費 — 每張模型卡片上都會顯示價格。預設的速率限制相當寬裕，足以應付多數正式環境的流量。若需要更高額度，來信 [email protected]，我們會為你調升上限。
可以 — 一份 MCP 設定就能把 Atlas Cloud 接進所有主流相容 MCP 的客戶端（Cursor、Windsurf、VS Code、Claude Desktop、Claude Code、Zed、JetBrains、Codex CLI、Gemini CLI、Goose 等等）。接上之後，agent 就能用自然語言呼叫任何 Atlas Cloud 模型。一行指令的 Skills 安裝方式也同樣可行。
參考資料與指南請見 docs.atlascloud.ai，也可以從主控台開立工單。關於 MCP 與 Skills 的問題，可以到 GitHub 上的 AtlasCloudAI/mcp-server 與 AtlasCloudAI/atlas-cloud-skills repo 提 issue 或 PR。
