image gen with MCP

MCPAI代理

提供方 aymec

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于Model Context Protocol (MCP)的AI图像生成服务器,集成Stable Diffusion技术,支持AI代理请求和接收生成的图像。

一句话选型结论

按资料字段整理

image gen with MCP 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 2 仓库热度,无公开仓库时显示未标注
工具数 1 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量1暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI图像生成Python本地部署StableDiffusionMCP协议AI代理

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -e .

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 1 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 1 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
image gen with MCP当前 1 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方aymec上游标注的维护方 aymec
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.6 KB
来自项目仓库与上游目录的原文,未做删改

具有MCP接口的AI图像生成服务器

该项目提供了一个具有集成稳定扩散图像生成功能的模型上下文协议(MCP)服务器,使AI代理能够请求和接收生成的图像。\
本项目基于以下提供的示例 Block的Goose自定义扩展教程.

设置

  1. 创建虚拟环境,使用 .venv 强制性:```bash
    virtualenv .venv

1. 激活虚拟环境:```bash
source .venv/bin/activate
  1. 安装MCP包(用于Goose集成):```bash
    pip install -e .

## 运行服务

MCP服务器包括集成图像生成服务。您可以用一个命令启动这两个命令:

**标准模式:**```bash
source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp

FastMCP Inspector开发模式:
打开两个终端:

端子1```bash
source .venv/bin/activate # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp # Start image generation service (and a MCP server we won't use)


2号航站楼```bash
source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
mcp dev src/image_gen_mcp/server.py # Start MCP server with Inspector

注意:仅当使用开发模式时,图像生成服务必须单独启动。

这将使用FastMCP检查器启动MCP服务器,该检查器提供:

  1. web界面位于http://127.0.0.1:6274用于测试和调试
  2. 端口6277上的代理服务器,用于转发MCP请求

使用FastMCP检查器:

  1. 打开http://127.0.0.1:6274在您的浏览器中
  2. 使用交互式界面可以:
    - 探索可用的工具及其文档
    - 测试 generate_image 带有您自己提示的工具
    - 查看请求/响应历史记录
    - 调试MCP服务器的任何问题

图像生成服务的自定义端口:```bash
source .venv/bin/activate # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp --port 5001


## API直接访问

通过向图像生成服务发送POST请求来生成图像:```bash
curl -X POST http://localhost:5000/generate \
-H "Content-Type: application/json" \
-d '{"prompt": "A futuristic cityscape at sunset"}'

响应将包括访问生成的图像的URL以及元数据:```json
{
"type": "image",
"format": "png",
"url": "http://localhost:5000/images/123e4567-e89b-12d3-a456-426614174000.png",
"width": 512,
"height": 512,
"filename": "123e4567-e89b-12d3-a456-426614174000.png",
"filepath": "generated_images/123e4567-e89b-12d3-a456-426614174000.png",
"mime_type": "image/png",
"prompt": "A futuristic cityscape at sunset",
"alt_text": "AI-generated image of: A futuristic cityscape at sunset"
}


您可以通过返回的直接访问生成的图像 `image_url`.

## 文件组织

- `src/image_gen_mcp/` -包含实现的包目录
- `server.py` -MCP服务器实现
- `generator.py` -图像生成服务
- `__init__.py` -包初始化和CLI入口点
- `__main__.py` -允许将包作为模块运行

## 与Goose集成

要将此MCP服务器添加为Goose中的扩展:

1. 首选 `Settings > Extensions > Add`.
1. 设置 `Type` 向 `StandardIO`.
1. 提供ID“image_generator”、名称“image generator”和适当的描述。
1. 在 `Command` 字段中,提供可执行文件的绝对路径:```
uv run /full/path/to/your/project/.venv/bin/image-gen-mcp
  1. 添加环境变量 IMAGE_GEN_DIR 并选择一个存储生成图像的文件夹

集成后,您可以使用Goose中的图像生成工具,要求它生成具有特定提示的图像。

使用OpenAI GPT-4o时,它会立即工作。\
Ollama可以在本地运行所有东西,在尝试了几个模型后,唯一有效的是 mistral-small3.1.\
即使在高端MacBookPro上,mistral-small3.1的响应也比OpenAI GPT-4o慢得多。

服务体系结构

这两项服务都集成到一个应用程序中:

  1. 图像生成服务 (src/image_gen_mcp/generator.py)
  • 使用稳定扩散处理实际图像生成
  • 为图像生成提供一个简单的HTTP API
  • 返回图像URL、维度和元数据
  • 包括一个直接端点来提供生成的图像
  • 默认情况下在端口5000上运行(可使用--port进行自定义)
  • 与MCP服务器在同一进程内的单独线程中运行
  1. MCP服务器 (src/image_gen_mcp/server.py)
  • 为AI代理提供标准化的MCP接口
  • 将请求转发到集成的图像生成服务
  • 返回一个格式正确的MCP图像对象,其中包含URL和元数据

停止服务

使用Ctrl+C停止这两个服务,因为它们现在在同一进程中运行。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
image gen with MCP 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

image gen with MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

image gen with MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

image gen with MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

image gen with MCP 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 图像生成、AI代理、Python、开发工具、AI服务。具体工具清单以官方文档为准。

image gen with MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

image gen with MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。