Image Gen MCP

🚀 基於 MCP 接口的 AI 圖像生成服務器

本項目集成了 Stable Diffusion 圖像生成功能，構建了一個基於 Model Context Protocol (MCP) 的服務。藉助此服務，AI 代理能夠方便地請求並接收生成的圖像。項目參考了 Block 的 Goose 自定義擴展教程 中的示例。

🚀 快速開始

環境搭建

以下是搭建項目運行環境的具體步驟：

1. 創建一個虛擬環境，強制使用 .venv：

   virtualenv .venv
   

2. 激活虛擬環境：

   source .venv/bin/activate
   

3. 安裝 MCP 包（用於 Goose 集成）：

   pip install -e .
   

服務運行

MCP 服務器集成了圖像生成服務，你可以根據不同需求選擇啟動模式：

標準模式

source .venv/bin/activate  # 激活你的虛擬環境
export IMAGE_GEN_DIR=/absolute/path/to/folder # 設置生成圖像的目標文件夾
image-gen-mcp

開發模式（帶 FastMCP Inspector）

需要打開兩個終端分別執行以下命令： 終端 1：

source .venv/bin/activate  # 激活你的虛擬環境
export IMAGE_GEN_DIR=/absolute/path/to/folder # 設置生成圖像的目標文件夾
image-gen-mcp # 啟動圖像生成服務（和一個我們不使用的 MCP 服務器）

終端 2：

source .venv/bin/activate  # 激活你的虛擬環境
export IMAGE_GEN_DIR=/absolute/path/to/folder # 設置生成圖像的目標文件夾
python -m src.image_gen_mcp.server # 啟動 MCP 服務器

⚠️ 重要提示

• 在開發模式下，MCP 服務器運行在 src/image_gen_mcp/server.py 中。
• 圖像生成服務和 MCP 服務器在同一進程中運行。

服務停止

由於圖像生成服務和 MCP 服務器在同一進程中運行，你可以使用 Ctrl+C 停止這兩個服務。

📦 安裝指南

本項目的安裝主要圍繞環境搭建和服務運行展開，具體步驟可參考上述“快速開始”部分。

💻 使用示例

集成到 Goose

將項目可執行文件路徑添加到 uv run 中：

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

📚 詳細文檔

本地運行建議

• 使用 OpenAI GPT-4o 時效果最佳。
• 如果使用 Ollama，推薦嘗試 mistral-small3.1 模型。
• 即使在高配 MacBook Pro 上，mistral-small3.1 的響應速度也比 OpenAI GPT-4o 慢得多。

服務架構

圖像生成服務（src/image_gen_mcp/generator.py）

• 使用 Stable Diffusion 進行實際圖像生成。
• 提供簡單的 HTTP API 用於圖像生成。
• 默認運行在 5000 端口（可自定義）。
• 在與 MCP 服務器相同的進程內以單獨線程運行。

MCP 服務器（src/image_gen_mcp/server.py）

• 提供標準化的 MCP 接口供 AI 代理使用。
• 將請求轉發到集成的圖像生成服務。
• 返回包含 URL 和元數據的規範格式化圖像對象。