Zusammenfassung
Cohere mit deinem eigenen API-Key: Antworten von Command-Modellen mit Quellenangaben aus deinen Dokumenten, Embeddings für semantische Suche, Reranking von Suchergebnissen, Sprache-zu-Text, Parsing von Dokumentbildern, Token-Zählung sowie Modelle, Datasets, Batches und Embed-Jobs des Kontos.
Geführte Einrichtung
Cohere in 2 Minuten mit Claude, ChatGPT oder Copilot verbinden
Starte die kostenlose Testphase in der AnythingMCP Cloud, verbinde Cohere in der geführten Einrichtung und trag deine MCP-URL in deinen KI-Assistenten ein. Ohne Code, ohne eigenen Server.
Keine Kreditkarte · 7 Tage Test · Self-Hosting-Alternative verfügbar
Frag einfach
Beispiel-Prompts für Cohere
Klick auf einen Prompt, um ihn zu kopieren. In Claude, ChatGPT, Cursor, Gemini, Copilot oder OpenClaw einfügen — und gegen diesen Connector laufen lassen.
Claude ist KI und kann Fehler machen. Bitte Antworten gegenprüfen.
💡 Keine Installation? Nutze cloud.anythingmcp.com direkt. Einloggen, Connectors → Cohere klicken, Zugangsdaten einfügen, MCP-API-Key erzeugen, fertig. Kein Docker, kein
git clone, kein lokaler Server.
Cohere
Cohere mit deinem eigenen API-Key: Antworten von Command-Modellen mit Quellenangaben aus deinen Dokumenten, Embeddings für semantische Suche, Reranking von Suchergebnissen, Sprache-zu-Text, Parsing von Dokumentbildern, Token-Zählung sowie Modelle, Datasets, Batches und Embed-Jobs des Kontos.
Einrichtung
Die Einrichtung dauert etwa 2 Minuten. Du brauchst ein Cohere-Konto; ein Trial-Key ist kostenlos.
- Registriere dich bei https://dashboard.cohere.com und öffne API Keys (https://dashboard.cohere.com/api-keys).
- Kopiere den Trial-Key, oder lege einen Production-Key an, nachdem du unter Billing eine Zahlungsmethode hinterlegt hast.
- Füge ihn in
COHERE_API_KEYein, ohne das WortBearer. Der Connector sendet ihn alsAuthorization: Bearerund nur an Cohere. - Installiere den Connector und führe
cohere_check_api_keyodercohere_list_modelsaus, um den Key zu prüfen.
Welche Tools Geld kosten: cohere_chat, cohere_embed, cohere_rerank, cohere_transcribe_audio und cohere_parse_document lassen ein Modell laufen. Mit einem Production-Key wird jeder Aufruf berechnet: Chat pro Eingabe- und Ausgabe-Token, Embed pro Token oder Bild, Rerank pro Suche mit bis zu 100 Dokumenten (längere Dokumente zählen mehrfach). Ein Trial-Key ist kostenlos, aber pro Minute und pro Monat begrenzt und darf nicht kommerziell genutzt werden. Die KI fragt dich vor großen oder wiederholten Aufrufen und setzt max_tokens, um eine Chat-Antwort zu begrenzen. cohere_tokenize, cohere_detokenize, cohere_check_api_key und alle List- und Get-Tools kosten nichts.
Modelle: IDs ändern sich, deshalb hat cohere_list_models (Filter endpoint chat, embed oder rerank) die aktuelle Liste, und cohere_get_model zeigt Kontextlänge, Features und Endpunkte eines Modells.
- Chat:
command-a-03-2025(die Standardwahl),command-a-reasoning-08-2025(Reasoning),command-a-vision-07-2025(Bilder),command-a-translate-08-2025(Übersetzung),command-r7b-12-2024(klein und günstig). - Embed:
embed-v4.0(Text und Bilder),embed-v5.0-pro,embed-v5.0-fast,embed-multilingual-v3.0. - Rerank:
rerank-v5.0-fast(Standard),rerank-v5.0-pro(genauer),rerank-v3.5. - Transkription:
cohere-transcribe-03-2026. Parsing:parse-v5.0.
Antworten mit Quellenangaben: cohere_chat nimmt model und messages und liefert die ganze Antwort auf einmal. Mit documents (einfache Strings oder Objekte mit id und data mit title und snippet) bekommst du eine belegte Antwort: Sie enthält dann message.citations, die auf diese Dokumente zeigen. response_format erzwingt JSON, tools ergänzt Function Calling, und thinking mit dem Typ disabled schaltet das Reasoning bei Reasoning-Modellen ab.
Semantische Suche: cohere_embed macht aus bis zu 96 Texten (oder Bildern als Data-URI) Vektoren; input_type search_document ist für das, was du speicherst, search_query für die Suchanfrage. Standard ist hier embed-v4.0 mit 256 Dimensionen (output_dimension 256, 512, 1024 oder 1536). cohere_rerank sortiert bis zu 1.000 Dokumente nach Relevanz zu einer Anfrage und liefert results mit index (Position in deiner Liste) und relevance_score von 0 bis 1; top_n behält nur die besten.
Audio und Dokumente: cohere_transcribe_audio nimmt einen öffentlichen Link auf eine Audiodatei (flac, mp3, mpeg, mpga, ogg, wav, über diesen Connector bis 10 MB) und die Pflichtangabe language (ISO-639-1); der Connector lädt die Datei herunter und zu Cohere hoch. cohere_parse_document macht aus dem Bild einer Seite (Scan, Foto, Screenshot; öffentlicher Link oder Data-URI bis 20 MB) Markdown mit eingebetteten Tabellen oder Layout-Blöcke. PDFs werden noch nicht unterstützt.
Tokens: cohere_tokenize zählt die Tokens eines Textes für ein Modell, etwa vor einem Chat-Aufruf; cohere_detokenize macht aus Token-IDs wieder Text.
Kontodaten: cohere_list_datasets, cohere_get_dataset und cohere_get_dataset_usage (belegter Speicher, höchstens 10 GB pro Organisation); cohere_list_batches und cohere_get_batch für Batch-API-Jobs; cohere_list_embed_jobs und cohere_get_embed_job für Embed-Jobs.
Datenformate: Chat liefert message.content[] (Einträge vom Typ text mit text), finish_reason (COMPLETE, MAX_TOKENS, STOP_SEQUENCE, TOOL_CALL, ERROR) und usage.billed_units mit den berechneten Eingabe- und Ausgabe-Tokens. Embeddings stehen unter embeddings.float, ein Vektor pro Text in derselben Reihenfolge. Datumsangaben sind ISO 8601 in UTC.
Blättern: cohere_list_models und cohere_list_batches liefern next_page_token; die KI gibt ihn als page_token weiter, bis er leer ist. cohere_list_datasets blättert mit limit und offset.
Bei der Installation deaktiviert: nichts. Alle 17 Tools sind aktiv, und keines löscht etwas.
Limits: höchstens 96 Texte pro Embed-Aufruf und 1.000 Dokumente pro Rerank; Audio bis 10 MB und Dokumentbilder bis 20 MB. Trial-Keys haben niedrige Limits pro Minute und pro Monat.
Häufige Fehler: 400 bedeutet eine fehlerhafte Anfrage (etwa einen Parameter, den das Modell nicht kennt, oder mehr als 96 Texte); 401 einen falschen Key; 402, dass eine Zahlungsmethode fehlt (unter Billing hinterlegen); 404 ein unbekanntes Modell, Dataset, Batch oder einen unbekannten Job; 422 eine Anfrage, die nicht verarbeitet werden konnte; 429 das Rate Limit (die KI wartet, statt in einer Schleife zu wiederholen); 499 eine abgebrochene Anfrage; 500 und 503 sind Probleme bei Cohere, versuch es später einmal erneut.
Der Connector streamt keine Antworten und legt keine Datasets, Batches oder Embed-Jobs an, bricht sie nicht ab und löscht sie nicht. Classify, Summarize, Generate, Connectors und Fine-Tuning hat Cohere abgekündigt; sie fehlen hier.
Voraussetzungen: COHERE_API_KEY
Connector lokal installieren
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
Öffne http://localhost:3000/connectors/store, wähle Cohere und trage die unter Voraussetzungen aufgelisteten Variablen ein.
Verfügbare Tools
| Tool | What it does |
|---|---|
cohere_list_models | List the Cohere models available to this key, with endpoints they serve (chat, embed, rerank), context length, features and whether they… |
cohere_get_model | Read one Cohere model by name: endpoints, default endpoints, context length, features (e.g. tools, vision, reasoning), tokenizer URL and… |
cohere_check_api_key | Check that the Cohere API key is valid and active; returns valid plus the organization and owner ids |
cohere_chat | Ask a Cohere Command model and get its reply (Chat API v2, non-streaming) |
cohere_embed | Turn up to 96 texts (or images as data URIs) into embedding vectors for semantic search, clustering or classification (Embed API v2) |
cohere_rerank | Order a list of documents by relevance to a query (Rerank API v2) and return the top results with their index in the list and a… |
cohere_transcribe_audio | Transcribe speech in an audio file to text with Cohere Transcribe |
cohere_parse_document | Parse an image of a document page (scan, photo, screenshot) into markdown, with tables inlined, or into layout blocks (Parse API v2) |
cohere_tokenize | Split a text into tokens with the tokenizer of a Cohere model and return the token ids and token strings, e.g. to count tokens before a… |
cohere_detokenize | Turn a list of token ids back into text with the tokenizer of a Cohere model |
cohere_list_datasets | List the datasets of the Cohere account (inputs for embed jobs, batches and fine-tuning) with id, name, type, validation status and… |
cohere_get_dataset | Read one Cohere dataset: name, type, validation status and error, schema, size and its parts |
cohere_get_dataset_usage | Read how much dataset storage the Cohere organization uses, in bytes (the limit is 10 GB per organization) |
cohere_list_batches | List the Batch API jobs of the Cohere account with id, name, model, status, input and output dataset ids and request counts |
cohere_get_batch | Read one Cohere batch job: status, model, input and output dataset ids, request counts (succeeded, failed) and timestamps |
cohere_list_embed_jobs | List the embed jobs of the Cohere account with job id, name, status, model, input and output dataset ids and creation time |
cohere_get_embed_job | Read one Cohere embed job: status (processing, complete, cancelling, cancelled, failed), model, truncate setting, input dataset and the… |
Beispiel-Prompts
- „Beantworte die Frage nach unserer Rückgabefrist nur mit diesen drei Auszügen aus den Richtlinien und zeig, aus welchem Auszug jeder Satz stammt.“
- „Welche dieser 20 Produktbeschreibungen passen am besten zu wasserdichten Winter-Wanderschuhen? Sortiere sie per Rerank und zeig die Top 5 mit Scores.“
- „Wie viele Tokens hat dieser Vertragstext für command-a-03-2025?“
- „Mach aus der gescannten Rechnung unter https://example.com/scans/invoice-0425.png Markdown, inklusive der Positionstabelle.“
- „Welche meiner Cohere-Embed-Jobs und -Batches laufen noch, und ist einer davon fehlgeschlagen?“
Nächste Schritte
War dieser Guide hilfreich?