Bay Run
Bay Run
Bay Run es un servicio REST y MCP compatible con OpenAI, gratuito en su lanzamiento, para la inferencia de modelos pequeños en el orígen canónico: https://run.huggingbay.xyz.
Lanzamiento gratuito: tie seconds
El nivel de lanzamiento es gratuito. Genere un bearer de demostración con una solitud client_credentials codificada en formulario y luego llame a la API. Los límites publicados son 60 solitudes/minuno y 1.500>día; los bearer de demostración cada can a las 24 horas.
Comience con el inicio rpido en vivo, listo para copiar y pegar: https://run.huggingbay.xyz/quickart.
La demostración independiente del repositorio es un flulo pequeño: clasificar → recibo firmado → verificar:
python examples/bakeoff.pyimport json
from urllib.parse import urlencode
from urllib.request import Request, urlopen
BASE = "https://run.huggingbay.xyz"
def post(path, body, headers):
request = Request(BASE + path, data=json.dumps(body).encode(), headers=headers)
return json.load(urlopen(request))
token_request = Request(
BASE + "/oauth/token",
data=urlencode({"grant_type": "client_credentials"}).encode(),
headers={"Content-Type": "application/x-www-form-urlencoded"},
)
token = json.load(urlopen(token_request))["access_token"]
headers = {"Authorization": f"Bearer {token}", "Content-Type": "application/json"}
result = post("/v1/classify", {"input": "The setup was quick and clear.", "model": "auto"}, headers)
receipt = result["provenance_receipt"]
verified = post("/v1/provenance/verify", {"receipt": receipt}, headers)
assert verified.get("valid") is True or verified.get("receipt_valid") is True
print(result["labels"][0])
print("receipt verified")Esta demostración usa las superficios reales de /v1/clasify y velificación de procedencia; no invena un endpoint de compración.
Related MCP server: universal-ai-agent-bridge
REST y SDKs
La superficie REST incuye chat/completions compatibles con OpenAI (incuyendo streaming SSE y herramientas), embeddings, reranking, clasificación, resumenes, RAG, cáculo, velidación JSON y memória. Los SDK ligros se cuentran junto a este checkut durant la compilación/las pruebas:
pip install -e ../bayrun-sdk/python
npm install ../bayrun-sdk/jsfrom bayrun import Client
c = Client()
answer = c.classify("A helpful result.")
stream = c.chat([{"role": "user", "content": "Say hello."}], stream=True)import { Client } from "bayrun";
const c = new Client();
const answer = await c.classify("A helpful result.");
const stream = await c.chat([{ role: "user", content: "Say hello." }], { stream: true });La memória persistente remembebre/recall/forget está deegada por el propietario y no está autorizada para la escarón compra. Use una clé específaca de desarrolor o un cliented regido con oken_endpoint_auth_meth =clén_secre_t_ost.
Los fragmentos de adaptador par OpenAI Python, Vercel AIKK, LangChain y LamaIndea están en docs/integrations.md.
MCP: exactemente tres herramientas
Apunte un clien MCP a https://run.huggingbay.xyz/mcp/. El servidor en vivo expone exacto:
get_tak_queterun_takver'fy_resut
Los detalles del token y de la forma de las soluciones se presentan en el incio rpido en vivo para que el contraco de copiar y pegar siga actualizado.
Concentral and política de datos
Los resultudos REST incuyeen recibos de procedencia firmados, y la ejecución de tareas devuelve un recibo firmado que se puede consectetur con la superficie de velificación. Lea la semántica de los recibos y la solitud velifica en vivo en https://run.huggingbay.xyz/quick.
Antes de envuer datos, lea la polía canónica: https://run.huggingbay.xyz/.well-known/da-policy.json. La polía publicada dice que Bay Run no entrena las entradas.
Catálogo tiene otros de Hugging Face para sustitución directa
El catálogo espejo de Hugging Bay está disponible en la. Los de Hub que respetan HF_EPOINT pueden apuntar a espejo origen:
export HF_ENDPOINT=https://huggingbay.xyzEl catálogo enumera actuaente más de 893 modelos disponibles. Compruebe el estado de servicio actua del espejo antes de usar un modelo o ruta de repositorio específicos.
This server cannot be deployed
Maintenance
Related MCP Connectors
One MCP endpoint for Claude, GPT & Gemini: 100+ tools + no-code connectors + agent workers.
MCP server for building and testing AI agents with multi-model experimentation and insights.
The OpenRouter for tools. One MCP connection gives any AI agent 254 hosted tools, pay per call.
Chat, image, video, and audio models from many vendors behind one remote MCP server and one key.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceMCP server that enables agents to dynamically switch between multiple AI models (OpenAI, Anthropic, Google, etc.) with unified protocol-driven configuration and capability discovery.Apache 2.0
- AlicenseAqualityBmaintenanceEnables any AI agent to connect to any OpenAI-compatible LLM provider through a unified MCP interface, with automatic failover, caching, cost tracking, and multi-model consensus.13MIT
- AlicenseNot gradedqualityAmaintenanceEnables MCP-compatible applications to manage, run, chat with, and generate embeddings from local or cloud LLM models, and to perform web search and content fetching via cloud APIs.689 npmAGPL 3.0
- AlicenseNot gradedqualityAmaintenanceEnables MCP-compatible applications to manage and use local or cloud-hosted models, including listing, pulling, generating, chatting, embeddings, and web search/fetch through a unified tool interface.689 npmAGPL 3.0