Image Edit Rmcp

🚀 画像編集RMCP - 画像編集MCPサービス

中国語 | 英語

🚀 クイックスタート

このプロジェクトは、OpenAI Webの画像編集機能に対応したMCP（Model Context Protocol）サービスを提供します。画像認識と記述機能を通じて、従来の言語モデルが画像コンテンツを理解および処理できるようにします。

✨ 主な機能

画像処理機能

• 画像コンテンツ認識：Qwen3-VLモデルを使用して画像コンテンツを分析し、記述を生成します。
• 画像裁剪：パーセンテージ座標で画像を裁剪します。
• 画像回転：90°左旋回、90°右旋回、180°反転をサポートします。
• 画像基本情報取得：画像のサイズ、形式、サイズなどの情報を取得します。
• 画像OCR：画像から文字コンテンツを抽出します。
• AI画像生成：テキスト記述に基づいて画像を生成します。
• AI画像編集：テキスト命令に基づいて既存の画像を編集します。

シンプルな画像保管庫

画像のアップロードと保存機能が組み込まれており、URLを通じて処理後の画像にアクセスできます。

シークレットキー生成

APIキーの生成と管理インターフェースを提供します。

📦 インストール

環境要件

• Rust 1.76以上
• Docker（コンテナ化デプロイ用、オプション）
• ModelScope APIキー（AI機能に必要）

Cargoによるデプロイ（推奨）

1. Rustのインストール

# rustupを使用してRustをインストール
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

# またはシステムパッケージマネージャーからインストール
# macOS: brew install rust
# Ubuntu/Debian: sudo apt install rustc cargo

2. 環境変数の設定

環境変数テンプレートをコピーし、APIキーを設定します。

cp .env.example .env

.envファイルを編集します。

# ModelScope APIキー（必須）
MODELSCOPE_API_KEY=your_api_key_here

# サーバーポート
MCP_PORT=3000

# セキュリティキー（画像保管庫のアップロード用）
SECRET_KEY=your_secret_key_here

# キャッシュディレクトリ
CACHE_DIR=~/.cache/image-edit-rmcp

# キャッシュURL（公開アクセスリンクの生成用）
CACHE_URL=http://localhost:3000

3. プロジェクトの起動

# プロジェクトをクローン（まだクローンしていない場合）
# git clone <repository-url>
# cd image-edit-rmcp

# 依存関係をインストールしてビルド
cargo build --release

# サービスを実行
cargo run --release

サービスは http://localhost:3000 で起動します。
http://localhost:3000/{SECRET_KEY}/mcp を使用してMCPサービスにアクセスします。

💻 使用例

CherryStudioの統合

⚠️ 重要な注意

長時間実行モードを有効にする必要があります。AIによる画像生成機能は時間がかかるため、使用時には忍耐強く待つことをお勧めします。

ベストプラクティス

1. 処理対象の画像を画像保管庫を通じてアップロードし、URLを取得します。
2. 処理対象の画像のURLをpromptを通じてモデルに渡します。

画像コンテンツ認識

プロンプト：

https://muse-ai.oss-cn-hangzhou.aliyuncs.com/img/fd7409815bb94bddba84191e21a803a2.png
この画像を見る

画像コンテンツの裁剪

プロンプト：

https://muse-ai.oss-cn-hangzhou.aliyuncs.com/img/fd7409815bb94bddba84191e21a803a2.png
画像内の太陽を裁剪する
裁剪完了後、元の画像と裁剪結果を表示する

画像文字の抽出

プロンプト：

https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/image2512/arena.png#center
画像内の文字を認識する
画像を表示する

📚 ドキュメント

体験アドレス

• MCP接続アドレス：https://image.cd.actrue.cn/kB7XMqsX31s90JPV/mcp (httpstream)
• 画像保管庫アドレス：https://image.cd.actrue.cn/kB7XMqsX31s90JPV/upload
• シークレットキー生成アドレス：https://image.cd.actrue.cn/secret

🔧 技術詳細

ツールの紹介

1. fetch_image - URLから画像を取得する

機能：指定されたURLから画像をダウンロードし、画像コンテンツを分析し、記述を生成します。 入力パラメータ：

• url (string): 画像URL（必須）
• focus (string, オプション): 特に注目する内容

出力：

• 画像URL
• 画像名
• MIMEタイプ
• 画像記述テキスト

2. rotate_image - 画像を回転する

機能：指定された方向に画像を回転します。 入力パラメータ：

• url (string): 画像URL（必須）
• direction (enum): 回転方向、選択可能な値：
  • Right90: 時計回りに90°回転
  • Left90: 反時計回りに90°回転
  • Flip180: 180°回転

出力：

• 回転後の画像URL（PNG形式）

3. crop_image - 画像を裁剪する

機能：パーセンテージ座標で画像を裁剪します。 入力パラメータ：

• url (string): 画像URL（必須）
• left (float, オプション): 左側のパーセンテージ（0-100）、デフォルト0
• top (float, オプション): 上側のパーセンテージ（0-100）、デフォルト0
• right (float, オプション): 右側のパーセンテージ（0-100）、デフォルト100
• bottom (float, オプション): 下側のパーセンテージ（0-100）、デフォルト100

出力：

• 裁剪後の画像URL（PNG形式）

4. get_image_info - 画像情報を取得する

機能：画像の基本情報を取得します。 入力パラメータ：

• url (string): 画像URL（必須）

出力：

• width: 画像の幅（ピクセル）
• height: 画像の高さ（ピクセル）
• total_pixels: 総ピクセル数
• mime_type: MIMEタイプ
• size: ファイルサイズ（バイト）
• aspect_ratio: アスペクト比（オプション）

5. ocr_extract - OCR文字抽出

機能：画像から文字コンテンツを抽出します。 入力パラメータ：

• image_url (string): 画像URL（必須）

出力：

• 抽出されたテキストコンテンツ

6. generate_image - AIによる画像生成

機能：テキスト記述に基づいて画像を生成します。 入力パラメータ：

• prompt (string): 画像記述（必須）
• negative_prompt (string, オプション): 出現させたくない内容
• aspect_ratio (string, オプション): アスペクト比、選択可能な値：1:1、16:9、9:16、4:3、3:4、3:2、2:3、デフォルト 1:1
• resolution (string, オプション): 解像度、選択可能な値：1k、2k、4k、デフォルト 1k
• steps (u32, オプション): サンプリングステップ数

出力：

• 生成された画像URL

7. edit_image - AIによる画像編集

機能：テキスト命令に基づいて既存の画像を編集します。 入力パラメータ：

• image_url (string): 編集対象の画像URL（必須）
• prompt (string): 編集命令（必須）
• size (string, オプション): 出力画像のサイズ
• steps (u32, オプション): サンプリングステップ数

出力：

• 編集後の画像URL

ツールの実装方法

技術スタック

• バックエンドフレームワーク：Rust + Axum + RMCP
• 画像処理：image ライブラリ（PNG、JPEG、GIF、BMP、WebPをサポート）
• AI統合：ModelScope API（Qwen3-VL、Z-Image-Turbo、Qwen-Image-Edit）
• キャッシュシステム：ローカルファイルキャッシュ、HTTPアクセスをサポート
• Webインターフェース：Axum静的ファイルサービス + HTMLテンプレート

核心実装原理

1. 画像処理フロー：

   • HTTP URL入力を受け取る
   • 画像をメモリにダウンロードする
   • image ライブラリを使用してデコードと処理（回転、裁剪）を行う
   • PNG形式にエンコードして出力する
   • 処理結果をローカルファイルシステムにキャッシュする

2. AI機能の統合：

   • 画像認識：ModelScope Qwen3-VLモデルを呼び出して画像コンテンツを分析する
   • OCR抽出：Qwen3-VLモデルを使用して画像内の文字を抽出する
   • 画像生成：Z-Image-Turboモデルを使用してテキストに基づいて画像を生成する
   • 画像編集：Qwen-Image-Editモデルを使用して命令に基づいて画像を編集する

3. キャッシュメカニズム：

   • URLとパラメータに基づいてハッシュ値を計算する
   • 処理結果をローカルキャッシュディレクトリに保存する
   • HTTPサービスを通じてキャッシュファイルの公開アクセスを提供する
   • メタデータ（画像情報、記述など）の保存をサポートする

4. MCPプロトコルの統合：

   • RMCPプロトコルのServerHandlerを実装する
   • 標準的なツール呼び出しインターフェースを提供する
   • httpstream伝送プロトコルをサポートする

依存ライブラリ

主な依存関係（Cargo.toml を参照）：

• rmcp: MCPプロトコルの実装
• axum: Webフレームワーク
• image: 画像処理
• reqwest: HTTPクライアント
• serde: JSONシリアライゼーション
• tokio: 非同期ランタイム