Image Gen MCP

🚀 基于 MCP インターフェースの AI 画像生成サーバ

このプロジェクトは、Stable Diffusion 画像生成機能を統合した Model Context Protocol (MCP) サービスを提供し、AI エージェントが画像生成のリクエストと受信を行えるようにします。
本プロジェクトは Block の Goose カスタム拡張チュートリアル で提供されているサンプルに基づいています。

🚀 クイックスタート

📦 インストール

環境構築

1. 仮想環境を作成し、.venv を強制的に使用します。

   virtualenv .venv
   

2. 仮想環境をアクティブ化します。

   source .venv/bin/activate
   

3. MCP パッケージ（Goose 統合用）をインストールします。

   pip install -e .
   

💻 サービスの起動

MCP サーバには統合された画像生成サービスが含まれています。以下のコマンドで両方を起動できます。

標準モード：

source .venv/bin/activate  # 仮想環境をアクティブ化
export IMAGE_GEN_DIR=/absolute/path/to/folder # 生成画像の保存先フォルダを設定
image-gen-mcp

開発モード（FastMCP Inspector 付き）： 2 つのターミナルを開きます。

ターミナル 1：

source .venv/bin/activate  # 仮想環境をアクティブ化
export IMAGE_GEN_DIR=/absolute/path/to/folder # 生成画像の保存先フォルダを設定
image-gen-mcp # 画像生成サービス（使用しない MCP サーバも起動）を起動

ターミナル 2：

source .venv/bin/activate  # 仮想環境をアクティブ化
export IMAGE_GEN_DIR=/absolute/path/to/folder # 生成画像の保存先フォルダを設定
python -m src.image_gen_mcp.server # MCP サーバを起動

⚠️ 重要提示

• 開発モードでは、MCP サーバは src/image_gen_mcp/server.py で実行されます。
• 画像生成サービスと MCP サーバは同じプロセス内で動作します。

サービスの停止

Ctrl+C を使用して 2 つのサービスを停止します。現在、これらは同じプロセス内で動作しています。

🔧 その他の説明

統合に関する説明

Goose への統合： プロジェクトの実行ファイルのパスを uv run に追加します。

uv run /full/path/to/your/project/.venv/bin/image-gen-mcp

使用に関する提案

💡 使用建议

• OpenAI GPT - 4o を使用すると最適な結果が得られます。
• Ollama を使用する場合は、mistral - small3.1 モデルを試すことをおすすめします。
• 高性能の MacBook Pro でも、mistral - small3.1 の応答速度は OpenAI GPT - 4o よりも大幅に遅くなります。

サービスアーキテクチャ

1. 画像生成サービス（src/image_gen_mcp/generator.py）

   • Stable Diffusion を使用して実際の画像生成を行います。
   • 画像生成用のシンプルな HTTP API を提供します。
   • デフォルトでは 5000 ポートで動作します（カスタマイズ可能）。
   • MCP サーバと同じプロセス内の別スレッドで動作します。

2. MCP サーバ（src/image_gen_mcp/server.py）

   • AI エージェントが使用する標準化された MCP インターフェースを提供します。
   • リクエストを統合された画像生成サービスに転送します。
   • URL とメタデータを含む規格に沿った形式の画像オブジェクトを返します。