基于 MCP 接口的 AI 图像生成服务器

本项目提供了一个使用 Stable Diffusion 进行图像生成的 HTTP 服务器，以及一个模型上下文协议 (MCP) 服务器，该服务器允许 AI 代理请求图像生成。

设置

1. 创建一个虚拟环境：

   virtualenv myvirtualenv
   

2. 激活虚拟环境：

   source myvirtualenv/bin/activate
   

3. 使用 requirements.txt 安装所需的包：

   pip install -r requirements.txt
   

4. 安装 MCP 包（用于 Goose 集成）：

   pip install 'mcp[cli]>=1.6.0'  # 注意：需要引号来转义方括号
   pip install -e .
   

运行服务

图像生成服务器

实际生成图像的基础服务：

前台模式：

python generate_image.py

守护进程模式：

python generate_image.py --daemon

自定义端口：

python generate_image.py --port 5001

此服务默认在端口 5000 上运行。
在 MacOS 上，更改端口或尝试禁用“隔空播放接收器”服务，从“系统偏好设置” -> “通用” -> “隔空投送与接力”，因为它已经使用了端口 5000。

MCP 服务器

MCP 服务器为使用模型上下文协议 (MCP) 的 AI 代理提供了一个标准化的接口：

推荐的测试和开发方法：

source .venv/bin/activate  # 激活您的虚拟环境
mcp dev src/image_gen_mcp/server.py

这将启动带有 FastMCP Inspector 的 MCP 服务器，以便更轻松地进行调试和测试。

直接运行 FastMCP 服务器（生产环境）：

source .venv/bin/activate  # 激活您的虚拟环境
image-gen-mcp

用法

直接 API 访问

通过向图像生成服务器发送 POST 请求来生成图像：

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：

{
  "filename": "123e4567-e89b-12d3-a456-426614174000.png",
  "filepath": "generated_images/123e4567-e89b-12d3-a456-426614174000.png",
  "image_url": "http://localhost:5000/images/123e4567-e89b-12d3-a456-426614174000.png",
  "content_type": "image/png",
  "width": 512,
  "height": 512,
  "prompt": "A futuristic cityscape at sunset"
}

您可以通过返回的 image_url 直接访问生成的图像。

AI 代理的 MCP 接口

AI 代理可以使用 MCP 协议与服务交互。 测试 MCP 服务器的推荐方法是使用 FastMCP Inspector：

运行 MCP Inspector：

source .venv/bin/activate  # 激活您的虚拟环境
mcp dev src/image_gen_mcp/server.py

这将启动带有 FastMCP Inspector 的 MCP 服务器，它提供：

1. 一个位于 http://127.0.0.1:6274 的 Web 界面，用于测试和调试
2. 一个位于端口 6277 上的代理服务器，用于转发 MCP 请求

使用 FastMCP Inspector：

1. 在浏览器中打开 http://127.0.0.1:6274
2. 使用交互式界面来：
   • 探索可用的工具及其文档
   • 使用您自己的提示测试 generate_image 工具
   • 查看请求/响应历史记录
   • 调试 MCP 服务器的任何问题

MCP 响应将包括一个结构化的图像对象，其中包含 URL 和元数据：

{
  "status": "success",
  "result": {
    "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"
  }
}

此格式与 Goose 等 MCP 工具兼容，这些工具可以通过提供的 URL 显示图像，而不是直接将其嵌入到对话上下文中。

文件组织

• generate_image.py - 使用 Stable Diffusion 的主图像生成服务器
• src/image_gen_mcp/ - 包含 fastMCP 实现的包目录
  • server.py - fastMCP 服务器实现
  • __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 服务器作为 Goose 中的扩展添加：

1. 转到“Settings > Extensions > Add”。
2. 将“Type”设置为“StandardIO”。
3. 提供 ID "image_generator"，名称 "Image Generator"，以及适当的描述。
4. 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
   

集成后，您可以通过要求 Goose 使用特定提示生成图像，从而在 Goose 中使用图像生成工具。

服务架构

1. 图像生成服务器 (generate_image.py)

   • 使用 Stable Diffusion 处理实际的图像生成
   • 提供一个简单的 HTTP API 用于图像生成
   • 返回图像 URL、尺寸和元数据
   • 包括一个直接端点来提供生成的图像
   • 在端口 5000 上运行

2. MCP 服务器 (image-gen-mcp 包)

   • 为 AI 代理提供标准化的 MCP 接口
   • 将请求转发到图像生成服务器
   • 返回一个格式正确的 MCP 图像对象，其中包含 URL 和元数据
   • 可以以两种模式运行：
     • 直接模式（通过 image-gen-mcp 命令）
     • 带有 FastMCP Inspector 的开发模式（通过 mcp dev 命令）
   • 开发模式在 http://127.0.0.1:6274 提供一个 Web 界面

停止服务

如果在守护进程模式下运行，请停止图像生成服务器：

kill $(cat logs/server.pid)

对于在前台模式下运行的服务，请使用 Ctrl+C。