Civitai MCP

Civitai MCP

A model context protocol server for Civitai that enables searching models by various filters, viewing previews, downloading model files, reading image generation parameters from local or Civitai images, and generating images via the Civitai Orchestration API.

Category
访问服务器

README

Civitai MCP

Built with Claude Code Python MCP License: MIT

MCP-сервер для работы с Civitai прямо из ассистента. Ищите модели по названию/типу/базовой модели, смотрите превью и примеры генерации, берите параметры генерации из любой картинки (локальной или с Civitai), скачивайте файлы на диск или получайте прямую ссылку для больших моделей.

Написан на Python (FastMCP) + httpx + Pillow.

Возможности

  • 🔎 Поиск моделей — фильтры по типу, базовой модели, тегу, автору, сортировка.
  • 🖼️ Визуальный выбор — превью в результатах поиска и галерея примеров генерации (готовые URL + лёгкие превьюшки).
  • 🧬 Параметры генерации — читает prompt/seed/steps/sampler/… из локального PNG (A1111/ComfyUI) или jpg/webp (EXIF/XMP), а также с картинок Civitai.
  • ⬇️ Скачивание — файл версии на диск (стриминг, атомарная запись, докачка) или прямая подписанная ссылка для больших моделей.

Инструменты

Tool Что делает
search_models поиск моделей: query, types, base_models, sort, tag, username, nsfw, limit, page. В каждом результате — preview (картинка-превью)
get_model карточка модели по id: версии, файлы (downloadUrl, SHA256) и примеры-картинки
get_model_version детали версии по id: файлы + images (примеры генерации)
get_model_images галерея примеров по model_id/version_id для визуального выбора (url + thumb + prompt)
get_download_url прямая ссылка на файл (для больших моделей) — подписанный CDN-URL + страница модели, без сохранения на диск
download_model скачать файл версии в dest_dir; опц. file_type/file_format/size/fp, overwrite, max_mb
read_image_params параметры генерации из локального файла (PNG A1111/ComfyUI, EXIF), офлайн
get_image_meta параметры генерации картинки, размещённой на Civitai, по её id
get_buzz_balance баланс Buzz аккаунта (yellow/blue/green) — ⚠️ неофициальный эндпоинт
estimate_generation оценить стоимость генерации в Buzz (whatif), без списания
generate_image сгенерировать картинку (Orchestration API); тратит Buzz, требует confirm=true
get_workflow статус/результат генерации по workflowId (поллинг)

Типовой сценарий: search_models → посмотреть preview/get_model_images → выбрать version.id → download_model(version_id, dest_dir) или get_download_url(version_id).

Картинки

Превью и галерея приходят готовыми URL-ами CDN. У каждой картинки есть:

  • url — оригинал;
  • thumb — лёгкая версия (width=450, строится трансформом CDN);
  • nsfwLevel, width, height, type (image/video), prompt.

Параметры генерации изображения

Два источника, потому что это разные вещи:

  • read_image_params(path) — локальный файл. Читает офлайн зашитые метаданные: PNG Automatic1111/Forge (чанк parameters), ComfyUI (prompt/workflow), а для jpg/webp — EXIF UserComment/ImageDescription и XMP через Pillow. Возвращает prompt, negativePrompt, params (steps/sampler/cfg/seed/size/model…), source (откуда взято) и сырую строку. Работает для любой сгенерированной картинки, даже не с Civitai. PNG разбирается и без Pillow; jpg/webp — с Pillow (входит в requirements).
  • get_image_meta(image_id) — картинка на Civitai по её id. Важно: у публичной ленты meta часто null (Civitai его скрывает). У примеров версии модели (get_model_version.images) meta есть всегда, поле meta_available это показывает.

Большие модели → ссылка вместо скачивания

  • get_download_url(version_id) — всегда возвращает direct_url (подписан, ~1 час) и page_url (постоянная страница модели).
  • download_model(..., max_mb=200) — если файл больше лимита, вернёт status: "too_large" с direct_url вместо загрузки на диск.

Генерация изображений

Официальный Civitai Orchestration API. Модель задаётся model_version_id (AIR берётся из API автоматически) или готовым model_air; ecosystem (sd1/sdxl/flux1…) определяется из AIR. Готовый AIR версии также виден в поле air ответа get_model_version.

⚠️ Генерация тратит реальный Buzz. generate_image без confirm=true не запускает генерацию — только возвращает предполагаемую стоимость (whatif). Для реального запуска — повторный вызов с confirm=true. Проверка баланса и insufficientBuzz выполняется до списания.

estimate_generation(prompt, model_version_id=…)      → {cost:{buzz, insufficientBuzz}}
generate_image(prompt, model_version_id=…)           → preview со стоимостью (confirm=false)
generate_image(prompt, model_version_id=…, save_dir=…, confirm=true)
                                                     → {status, workflowId, images:[{url, path}]}
get_workflow(workflow_id)                            → статус/картинки для долгих задач

Ориентир по цене: SD1.5 512×512 / 20 шагов ≈ 4 Buzz, SDXL 1024×1024 / 25 шагов ≈ 10 Buzz.

Полный набор параметров generate_image / estimate_generation

Параметр Описание
prompt / negative_prompt промпты (≤10000 симв)
width / height 64–2048, кратно 16 (SD1 нативно 512², SDXL 1024²)
steps (1–150), cfg_scale (0–30), seed базовые
quantity 1–12 картинок за вызов
engine sdcpp (по умолч.) или comfy
sampler sdcpp: euler,dpm++2m,lcm,… / comfy: euler_ancestral,dpmpp_2m,…
scheduler sdcpp: discrete,karras,… / comfy: normal,karras,beta,…
clip_skip только SD1 (на SDXL/flux опускается автоматически → warnings)
loras {ключ: вес}; ключ — AIR или id версии LoRA; несколько — можно
embeddings список AIR/id версий (textual inversion); имена — в prompt
vae_air / vae_version_id переопределить VAE
ucache off/normal (только sdcpp)
operation createImage (t2i) или createVariant (img2img)
source_image / strength для img2img: URL исходника + сила денойза (0–1)
save_dir, confirm, wait скачивание / запуск / поллинг

Движки различаются именами полей — MCP подставляет их сам: sampler↔sampleMethod, scheduler↔schedule, strength↔denoiseStrength. Скачивание результата ретраит временные 5xx CDN.

LoRA — несколько сразу:

generate_image(prompt, model_version_id=128713,
  loras={"62833": 0.8, "urn:air:sd1:lora:civitai:82098@87153": 0.5}, confirm=true)

img2img:

generate_image(prompt="daytime, clear sky", model_version_id=128713,
  operation="createVariant", source_image="https://.../src.jpeg", strength=0.6, confirm=true)

LoRA/embeddings/VAE должны быть той же экосистемы, что и чекпойнт (sd1↔sd1, sdxl↔sdxl).

Баланс Buzz

get_buzz_balance() возвращает балансы кошельков (yellow/blue/green) текущего аккаунта по ключу.

⚠️ Неофициально. Использует внутренний tRPC-эндпоинт сайта (buzz.getBuzzAccount), а не публичный /api/v1. Он не документирован и может перестать работать без предупреждения — в отличие от остальных инструментов.

Установка

py -m venv .venv
./.venv/Scripts/python.exe -m pip install -r requirements.txt

Ключ API

Ключ берётся из переменной окружения CIVITAI_API_KEY (fallback — файл apikey.txt рядом с server.py). Скачивание файлов требует валидный ключ; поиск/метаданные работают и без него.

Получить ключ: civitai.com → Account settings → API Keys.

Подключение к Claude Code

claude mcp add civitai -e CIVITAI_API_KEY=<ваш-ключ> -- H:/CivitaiMcp/.venv/Scripts/python.exe H:/CivitaiMcp/server.py

Или вручную в .mcp.json (см. mcp.example.json):

{
  "mcpServers": {
    "civitai": {
      "command": "H:/CivitaiMcp/.venv/Scripts/python.exe",
      "args": ["H:/CivitaiMcp/server.py"],
      "env": { "CIVITAI_API_KEY": "<ваш-ключ>" }
    }
  }
}

Примеры значений

  • types: Checkpoint, LORA, LoCon, VAE, TextualInversion, Hypernetwork, Controlnet
  • base_models: SD 1.5, SDXL 1.0, Pony, Illustrious, Flux.1 D
  • sort: Highest Rated, Most Downloaded, Newest
  • file_format: SafeTensor, PickleTensor; size: full/pruned; fp: fp16/fp32/bf16

Ошибки скачивания

401 — неверный ключ · 403 — early-access/ограничение автора · 429 — лимит 24ч.

Лицензия

MIT.


<sub>🤖 Built with Claude Code.</sub>

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。

官方
精选
本地
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选