Rembg MCP

🚀 Rembg MCP 服務器

Rembg MCP 服務器是用於 rembg 背景去除庫的 MCP（模型上下文協議）服務器。藉助該服務器，你可以通過 Claude Code、Claude Desktop、Cursor 等支持 MCP 的工具，利用 AI 模型去除圖像背景。

🚀 快速開始

🚀 一鍵安裝

Linux/macOS

git clone <repository-url>
cd rembg-mcp
./setup.sh

Windows

git clone <repository-url>
cd rembg-mcp
setup.bat

安裝腳本將自動完成以下操作：

• 檢查是否滿足 Python 3.10+ 的要求
• 創建虛擬環境
• 安裝所有依賴項
• 配置 MCP 服務器
• 測試安裝情況
• 引導你下載 AI 模型

🔧 手動安裝

如果你更喜歡手動安裝或需要自定義配置，可以按照以下步驟操作：

1. 創建虛擬環境：

python3 -m venv rembg
source rembg/bin/activate  # Linux/macOS
# 或者
rembg\Scripts\activate.bat  # Windows

2. 安裝依賴項：

pip install --upgrade pip
pip install mcp "rembg[cpu,cli]" pillow
pip install -e .

3. 測試安裝：

python test_server.py
python validate_setup.py

4. 下載 AI 模型：

./download_models.sh     # Linux/macOS
# 或者
python download_models.py  # Windows（在激活的虛擬環境中）

5. 如需 GPU 支持：

pip install -e ".[gpu]"

✨ 主要特性

• 🖼️ 圖像處理：可對單張圖像進行背景去除，也能對文件夾進行批量處理。
• 🤖 多種 AI 模型：支持 u2net、birefnet、isnet、sam 等多種專業模型。
• ⚡ 性能優化：通過複用模型會話，實現高效的批量處理。
• 🎨 高級選項：提供 Alpha 摳圖、僅輸出蒙版、自定義背景等功能。
• 🌍 跨平臺支持：兼容 Windows、macOS 和 Linux 系統。
• 🔧 易於集成：可與 Claude Desktop、Claude Code CLI、Cursor IDE 等工具配合使用。

🔧 MCP 配置

Claude Desktop 設置

1. 找到你的 Claude Desktop 配置文件：

   • macOS：~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows：%APPDATA%\Claude\claude_desktop_config.json
   • Linux：~/.config/Claude/claude_desktop_config.json

2. 添加 rembg 服務器配置：

{
  "mcpServers": {
    "rembg": {
      "command": "/path/to/rembg-mcp/start_server.sh",
      "cwd": "/path/to/rembg-mcp",
      "env": {
        "REMBG_HOME": "~/.u2net",
        "OMP_NUM_THREADS": "4"
      }
    }
  }
}

3. 將 /path/to/rembg-mcp 替換為你實際的項目路徑

4. 重啟 Claude Desktop

測試配置

配置完成後，你可以對 MCP 服務器進行測試：

1. 手動啟動服務器：

./start_server.sh  # Linux/macOS
# 或者
start_server.bat   # Windows

2. 在 Claude Desktop 中驗證 MCP 連接：

   • 在 Claude 對話中查找 rembg 工具。
   • 嘗試輸入簡單命令："List available MCP tools"。

3. 使用示例圖像進行測試：

   • 向 Claude 提問："Use rembg-i to remove the background from test.jpg"。
   • 服務器將處理你的請求並返回結果。

Claude Code CLI 設置

在你的 Claude Code 設置中添加以下內容：

{
  "mcpServers": {
    "rembg": {
      "command": "/path/to/rembg-mcp/start_server.sh",
      "cwd": "/path/to/rembg-mcp",
      "env": {
        "REMBG_HOME": "~/.u2net",
        "OMP_NUM_THREADS": "4"
      }
    }
  }
}

Cursor IDE 設置

在你的 Cursor 設置或工作區的 .cursor/settings.json 文件中添加以下內容：

{
  "mcp.servers": {
    "rembg": {
      "command": "/path/to/rembg-mcp/start_server.sh",
      "args": [],
      "cwd": "/path/to/rembg-mcp"
    }
  }
}

Windows 配置

對於 Windows 用戶，請使用 start_server.bat 代替：

{
  "mcpServers": {
    "rembg": {
      "command": "C:\\path\\to\\rembg-mcp\\start_server.bat",
      "cwd": "C:\\path\\to\\rembg-mcp"
    }
  }
}

💻 使用示例

基礎用法

單張圖像處理：

Remove the background from my photo.jpg and save it as photo_nobg.png

批量處理：

Process all images in my Photos folder and remove their backgrounds

高級用法

Use the birefnet-portrait model to remove backgrounds from all portrait photos in my folder, apply alpha matting for better edges, and save them to a new folder

🛠️ 可用的 MCP 工具

rembg-i - 單張圖像背景去除

該工具可高精度地去除單張圖像文件的背景。

必需參數：

• input_path：源圖像文件的路徑
• output_path：處理後圖像的保存路徑

可選參數：

• model：要使用的 AI 模型（默認為 "u2net"）
• alpha_matting：提高邊緣質量（默認為 false）
• only_mask：僅輸出黑白蒙版（默認為 false）

支持的格式： JPG、PNG、BMP、TIFF、WebP

rembg-p - 文件夾批量處理

該工具可自動處理文件夾中的所有圖像。

必需參數：

• input_folder：包含圖像的源文件夾
• output_folder：處理後圖像的目標文件夾

可選參數：

• model：要使用的 AI 模型（默認為 "u2net"）
• alpha_matting：提高邊緣質量（默認為 false）
• only_mask：僅輸出蒙版（默認為 false）
• file_extensions：要處理的文件類型（默認為常見圖像格式）

特性：

• 自動查找所有支持的圖像
• 保留原始文件名，並添加 .out.png 後綴
• 提供詳細的進度報告
• 對單個文件進行錯誤處理

🤖 支持的 AI 模型

🎯 模型推薦

初學者：建議從 u2net（默認）開始，它在速度和質量之間取得了良好的平衡。 追求最佳質量：使用 birefnet-general 或 birefnet-massive。 處理人像：使用 birefnet-portrait，它專為人物主體設計。 處理動漫/卡通圖像：使用 isnet-anime，它針對動畫內容進行了優化。 追求速度：使用 u2netp 或 silueta，它們在批量處理時速度更快。

📥 下載模型

模型在首次使用時會自動下載，但你也可以提前下載：

# 交互式選擇（推薦）
./download_models.sh              # Linux/macOS

# 下載特定模型
./download_models.sh u2net birefnet-portrait

# 下載所有模型
./download_models.sh all

# Windows（在激活的虛擬環境中）
python download_models.py         # 交互式
python download_models.py u2net birefnet-portrait

模型會緩存到 ~/.u2net/ 目錄中，只需下載一次。

🔧 配置

環境變量

• REMBG_HOME：模型存儲目錄（默認為 ~/.u2net）
• OMP_NUM_THREADS：用於處理的 CPU 線程數（默認為 4）
• MODEL_CHECKSUM_DISABLED：跳過模型校驗和驗證

高級選項

• Alpha 摳圖：可提高邊緣質量，但會增加處理時間。
• 僅輸出蒙版：返回黑白蒙版，而非透明摳圖。
• 自定義背景顏色：用純色替換透明區域。
• 批量處理：自動複用模型會話，提高效率。

📁 項目結構

rembg-mcp/
├── rembg_mcp/
│   ├── __init__.py
│   └── server.py                      # 主 MCP 服務器實現
├── rembg/                             # 虛擬環境（git 忽略）
├── setup.sh                           # Linux/macOS 安裝腳本
├── setup.bat                          # Windows 安裝腳本
├── start_server.sh                    # Linux/macOS 服務器啟動腳本
├── start_server.bat                   # Windows 服務器啟動腳本（生成）
├── pyproject.toml                     # Python 包配置
├── claude_desktop_config.json         # Claude Desktop 配置（Linux/macOS）
├── claude_desktop_config_windows.json # Claude Desktop 配置（Windows）
├── test_server.py                     # 安裝測試
├── validate_setup.py                  # 全面的安裝驗證
├── download_models.py                 # AI 模型下載工具（Python）
├── download_models.sh                 # AI 模型下載腳本（Linux/macOS）
├── example_usage.py                   # 使用示例
├── README.md                          # 本文件
├── USAGE_CN.md                       # 中文文檔
└── CLAUDE.md                         # Claude Code 上下文文件

🚨 故障排除

常見問題

未找到 MCP 服務器

• 驗證 MCP 配置中的 command 路徑。
• 確保腳本可執行：chmod +x start_server.sh。
• 檢查虛擬環境是否存在：ls rembg/。

Python 版本問題

python --version  # 必須為 3.10+
# 如果版本不正確，請安裝 Python 3.10+ 並重新創建虛擬環境

模型下載問題

# 清除模型緩存並重新下載
rm -rf ~/.u2net

# 手動重新下載模型
./download_models.sh              # Linux/macOS
python download_models.py         # Windows

# 下載特定模型
./download_models.sh u2net        # Linux/macOS
python download_models.py u2net   # Windows

內存或性能問題

# 減少 CPU 線程數
export OMP_NUM_THREADS=2

# 使用輕量級模型（u2netp、silueta）代替大型模型

安裝問題

# 清理並重新安裝
rm -rf rembg/
./setup.sh  # 或者在 Windows 上使用 setup.bat

獲取幫助

• 運行 python validate_setup.py 進行詳細診斷。
• 手動啟動服務器時檢查服務器日誌。
• 確保你的 MCP 客戶端支持最新的協議版本。

📚 更多資源

• Rembg 庫文檔
• MCP 協議規範
• Claude Code 文檔

🤝 貢獻代碼

1. 分叉倉庫
2. 創建你的功能分支 (git checkout -b feature/amazing-feature)
3. 提交你的更改 (git commit -m 'Add amazing feature')
4. 將更改推送到分支 (git push origin feature/amazing-feature)
5. 打開一個拉取請求

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

🙏 致謝

• danielgatis/rembg - 優秀的背景去除庫
• Anthropic - 提供 MCP 協議和 Claude
• 開源社區提供的各種 AI 模型