在 Cursor 中接入 Token Station：Claude Sonnet 5 和 Haiku

Cursor 在 Settings → Models 里支持自定义 OpenAI 兼容 provider。把它指向 Token Station 的端点，就能把 Claude Sonnet 5 和 Haiku 添加为可选模型，全部通过你自己的 Token Station key 计费。和 Token Station 上的其他一些模型家族不同，这两个模型完整支持 Cursor 的 Agent 模式：真正的文件编辑，不只是聊天。下面是完整的配置流程，包括我们自己踩过的一个命名坑，最后还会跑一次真实的编码会话：Sonnet 5 在一个开源项目里实现一个真实功能，把研究和验证工作委派给两个专门定制的 subagent。

在开始配置之前，有必要说清楚为什么要通过 Token Station 来路由 Cursor，而不是直接付费给 Cursor。有三个具体的理由。Cursor 的 Pro 计划把一部分模型（Grok 4.6、Grok 4.5、Composer 2.5）打包进一个共享的月度用量池，其余模型则从另一个池子里按各自的 API 价格计费，但这两个池子都不会给你一份按模型、按请求拆分的实际花费明细。Token Station 的 key 会绕开这两个池子：BYOK 请求直接发往 Token Station 的端点，完全不经过 Cursor 自己的计费，会按 provider 的真实费率、零加价，显示在你自己的控制台里。第二，如果 Cursor 只是你使用的多个编码工具之一（比如同时还用 Claude Code、Codex 或 OpenClaw），同一个 Token Station key 和同一批模型 ID 在所有这些工具里都能用：只需要一个账户、一个余额去追踪，而不必给每个工具单独准备 key、单独充值、单独对账。第三，Token Station 的模型目录已经超过 300 个模型、来自 30 多家 provider，远远超出 Cursor 自己打包进那些用量池里的范围。

开始之前需要准备什么

已安装 Cursor（cursor.com/download）。
一个 Token Station 账户和 API 密钥。免费注册：models.bytefuture.ai，注册即送 1 美元额度，无需信用卡。
Cursor Pro。免费版即使填了自己的 API key，Agent 模式下的自定义模型选择依然是锁死的，所以除了 Chat 模式之外的任何用法都需要 Pro（每月 20 美元）。

步骤 1：将 Token Station 注册为自定义 provider

打开 Settings → Cursor Settings → Models，滚动到 API Keys，设置两个字段：

OpenAI API Key：填入你的 Token Station 密钥。
Override OpenAI Base URL：打开开关，把默认值替换成 https://models.bytefuture.ai/v1。

在 Cursor 的 Models 设置里，把 Token Station 注册为自定义 OpenAI 兼容 provider。

不要指望靠一个“Verify”按钮来确认密钥和地址是否正确。它不一定总会出现，即使出现了也不能覆盖所有路径。真正可靠的确认方式是步骤 2：添加一个模型，然后真的给它发一条消息。

步骤 2：将 Claude Sonnet 5 和 Haiku 添加为自定义模型

还是在 Models 设置里，点击 + Add Custom Model 两次，依次添加：

anthropic/claude-sonnet-5
anthropic/claude-haiku-4-5

添加 anthropic/claude-sonnet-5 和 anthropic/claude-haiku-4-5 两个自定义模型。

这里的坑：你在这里注册的名字，Cursor 会原样作为请求里的 model 字段发出去。Token Station 真实的路由名称里包含 anthropic/ 前缀。如果你把模型注册成不带前缀的 claude-sonnet-5，每个请求都会失败，报错 Model 'claude-sonnet-5' not found，因为不带前缀的这个模型确实不存在。带上前缀注册，立刻就能用。

要确认这套流程真的端到端跑通了，而不只是被 Cursor 接受了：打开一个对话，选中新添加的某个模型，发一条无关紧要的消息，然后去 Token Station 控制台查看。真实的回复加上 Recent Activity 里对应的一条记录，说明密钥、base URL 和模型名都是对的。

模型	适用场景
`anthropic/claude-sonnet-5`	主力编码模型：规划、实现，以及 Agent 模式下的文件编辑。
`anthropic/claude-haiku-4-5`	一个更便宜的模型，可以直接把主对话切换过去处理较轻量的单轮问题。至于为什么它目前还不能作为 subagent 的低成本档位，见步骤 3。

步骤 3：定义范围明确的 subagent

Cursor 支持 subagent：带 YAML frontmatter 的 markdown 文件，可以按项目放在 .cursor/agents/ 下，也可以全局放在 ~/.cursor/agents/ 下。对编码场景来说，有两个角色很实用：一个只读的研究者，一个在改动之后负责验证的测试执行者。

.cursor/agents/bill-the-explorer.md

---
name: bill-the-explorer
description: Searches and reads the codebase to answer questions about existing code. Use proactively before implementing anything unfamiliar.
model: anthropic/claude-haiku-4-5
readonly: true
---

You are a fast, read-only research agent. Find and summarize relevant
files, functions, and patterns. Never edit files or run mutating commands.

.cursor/agents/jill-the-test-runner.md

---
name: jill-the-test-runner
description: Runs the test suite and reports pass/fail results with failure details. Use proactively after any code change.
model: anthropic/claude-haiku-4-5
---

You run the project's test command, capture output, and report which
tests passed or failed and why. Do not modify source files.

给 subagent 起名时，避免和 Cursor 自带的某个 agent 撞名。 我们最初用的是 explore，结果 Cursor 悄悄路由到了它自己同名的内置 agent，而不是我们定义的这个，也没有任何报错来解释为什么我们指定的东西完全不起作用。bill-the-explorer 和 jill-the-test-runner 避免了这个撞名问题。

创建 bill-the-explorer 和 jill-the-test-runner 两个 subagent。

bill-the-explorer 上的 readonly: true 会阻止文件编辑和会改变状态的 shell 命令，这正好符合纯研究角色的定位。jill-the-test-runner 需要真正执行测试命令，所以没有加这个限制，而是在指令里告诉它不要碰源代码文件。

关于那一行 model:。 这是有效的、文档化的 Cursor 语法，我们把两个 subagent 都设成了 anthropic/claude-haiku-4-5，本来预期它们的计费能和主对话分出档位。但并没有发生。直接问负责这次会话的 agent 为什么，它给出了一个很精确的答案：它用来运行 subagent 的 Task 工具，只接受来自一个固定白名单的 model 参数，目前是 inherit 或者 Cursor 自己的 composer-2.5-fast，根本不会读取自定义 agent 文件里的 model: frontmatter。既然没有可用的自定义值可传，它就默认用 inherit，也就是说每个 subagent 都运行在主对话当前所用的模型上，在这套配置里就是 Sonnet 5，而不是 Haiku。name、description 和 readonly 都会被正确识别并生效；model 目前不会，而且不只是 Haiku，任何自定义模型都是如此。这和 Cursor 自己社区论坛上的多份独立反馈是一致的，所以这是一个已知的、当前存在的限制，不是这套设置特有的问题。

这样一来，subagent 依然对按角色和权限划分委派任务很有用：一个只读的研究者，一个只负责报告的测试执行者，既可以自动委派（主 agent 读取每个 description 字段自行判断何时该交给它），也可以用 /bill-the-explorer 或 /jill-the-test-runner 显式调用。只是目前它还不能给这部分委派工作带来更便宜的模型。

如果你是在对话里让 agent 帮你写这两个文件，而不是自己在终端里写，写完后侧边栏依然显示没有 subagent，重新加载一下窗口（Ctrl+Shift+P → “Reload Window”）：Cursor 不会总是实时重新扫描 .cursor/agents/。

步骤 4：看它实现一个真实功能

有了 provider、模型和 subagent，Sonnet 5 就能跑一次完整的编码会话：研究、实现、验证，中间的只读和验证步骤都交给对应的 subagent。

我们用 httpie 作为目标，一个真实的、规模适中、测试完善的开源项目。httpie 的 --meta/-m 参数会打印请求的耗时，但目前还不会显示跟随重定向后实际到达的 URL。这是一个很小、范围明确、真正有用的功能，也正是那种需要先看一眼现有代码，再动手实现的任务。

事实证明，显式调用才是触发委派的可靠方式。用大白话说“用 explore subagent 来做”并不会真的发生委派；主 agent 只是一边在自己的上下文里干活，一边口头上说自己委派了。把 subagent 名字加上斜杠前缀、作为独立的一条消息发出去，这样才管用：

消息 1，委派研究工作：

/bill-the-explorer find how elapsed time is computed and displayed in HTTPie's --meta output, and identify where to add the effective URL, the URL actually reached after following any redirects, alongside it.

消息 2，研究结果出来后，回到主 agent：

Using what bill-the-explorer found, add the effective URL next to the existing elapsed time in HTTPie's --meta output. Add a test that confirms it works for both a redirected and a non-redirected request.

消息 3，委派验证工作：

/jill-the-test-runner verify the new effective-URL test passes, along with the rest of the test suite. Report any failures separately from the two known pre-existing Big5 charset-detection failures in tests/test_encoding.py, which are unrelated to this change.

Sonnet 5 把研究工作委派给 bill-the-explorer，自己实现改动，再把验证工作委派给 jill-the-test-runner，全程通过 Token Station。

由于 subagent 的模型路由目前还不会被遵循，整场会话在 Token Station 控制台上都计费为 anthropic/claude-sonnet-5，研究和验证也不例外，而不是我们最初想展示的那种成本分层。这段视频真正展示出来的是：bill-the-explorer 严格只读地运行，在任何代码改动之前先汇报情况；jill-the-test-runner 在改动之后运行来验证结果；两个角色分工明确、依序执行，只是暂时还没有体现在价格上。

目前能用的

Chat 模式和 Agent 模式下，Sonnet 5 和 Haiku 通过 Token Station 在 Cursor 里都能用：真实的回复、真实的文件编辑，正确计入你的 Token Station 密钥，并显示在控制台里。

subagent 在角色划分和权限控制上是能用的，name、description 和 readonly 都会被正确识别，自动委派和显式调用（/name）也都能触发真正的委派。但目前 subagent 层面的模型路由对自定义模型不起作用：Cursor 的 Task 工具只接受 inherit 或它自己的 composer-2.5-fast，所以不管 frontmatter 里的 model: 写的是什么，每个 subagent 都运行在主对话所用的模型上。这是 Cursor 平台本身的限制，由 agent 本身直接证实，也和其他地方的独立反馈一致，并不是 Token Station 或 Haiku 特有的问题。

早些时候对 Token Station 的 GPT-5.6 路由（Sol、Terra、Luna）的测试发现，Agent 模式下它们能读取和讨论代码，但始终无法真正应用文件编辑，这是 Token Station 一侧的工具调用响应格式问题，而不是 Cursor 的硬性限制。对这几个路由的支持正在推进中。如果你现在就需要一个能在 Cursor 里可靠编辑文件的编码 agent，请使用 anthropic/claude-sonnet-5 和 anthropic/claude-haiku-4-5，而不是 GPT-5.6 系列。

Token Station 的 xAI 路由 xai/grok-4.6，也可以通过同样的自定义 provider 设置在 Cursor 里使用，如果你想让 Grok 来担任主力编码模型的话。具体配置见姐妹篇文章：在 Cursor 中运行 Grok 4.6。

开始使用

前往 models.bytefuture.ai 注册：1 美元免费额度，无需信用卡，首次充值最高可再获得 50 美元奖励。导出你的密钥，接入 Cursor 的 Models 设置，添加这两个路由。

试用 Token Station