GPT-Image MCP Server
Enables generating images from text or transforming existing images using GPT-Image-compatible APIs, with support for OpenAI and Agnes AI backends.
README
GPT-Image MCP Server
一个用于调用 GPT-Image 兼容 API 生成图片的 MCP 服务器,支持文生图和图生图功能。
兼容 Agnes AI 和 OpenAI GPT-Image 等标准接口。
✨ 功能特性
- 🎨 文生图:根据文本描述生成图片
- 🖼️ 图生图:基于参考图片和描述生成新图片
- ⚙️ 灵活配置:支持环境变量和配置文件,环境变量优先
- 🔌 标准协议:基于 MCP 协议,可集成到各种 AI 工具
- 📁 自动创建目录:保存图片时自动创建不存在的目录
- 🌐 多后端兼容:支持 Agnes AI、OpenAI 及其他兼容接口
📦 安装
方式一:使用 uvx 直接运行(推荐)
无需安装,直接运行:
uvx --from git+https://github.com/IronManCantFix/image-mcp.git image-mcp
方式二:使用 pip 安装
pip install git+https://github.com/IronManCantFix/image-mcp.git
安装后可直接使用 image-mcp 命令。
方式三:从源码安装
git clone https://github.com/IronManCantFix/image-mcp.git
cd image-mcp
pip install .
⚙️ 配置
Agnes AI(推荐)
export IMAGE_API_URL="https://apihub.agnes-ai.com/v1/images/generations"
export IMAGE_API_KEY="your-agnes-api-key"
export IMAGE_MODEL="agnes-image-2.0-flash"
OpenAI
export IMAGE_API_URL="https://api.openai.com/v1/images/generations"
export IMAGE_API_KEY="sk-your-openai-api-key"
export IMAGE_MODEL="gpt-image-2"
配置文件
也可以使用配置文件(默认路径 ~/.config/image-mcp/config.json):
{
"api_url": "https://api.openai.com/v1/images/generations",
"api_key": "sk-your-api-key",
"model": "gpt-image-2"
}
💡 提示:配置文件路径可通过
IMAGE_CONFIG_PATH环境变量覆盖。
代理配置
如需通过 HTTP 代理访问 API,可设置 IMAGE_PROXY 环境变量或在配置文件中添加 proxy 字段:
export IMAGE_PROXY="http://127.0.0.1:7890"
配置文件方式:
{
"api_url": "https://api.openai.com/v1/images/generations",
"api_key": "sk-your-api-key",
"model": "gpt-image-2",
"proxy": "http://127.0.0.1:7890"
}
未配置时默认不使用代理,同时也会尊重系统环境变量 HTTP_PROXY / HTTPS_PROXY。
配置优先级
环境变量 > 配置文件 > 默认值
🚀 使用方法
启动 MCP 服务器
# 使用 uvx
uvx --from git+https://github.com/IronManCantFix/image-mcp.git image-mcp
# 使用 pip 安装后
image-mcp
# 从源码运行
python server.py
集成到 Cursor
在项目根目录创建 .cursor/mcp.json 文件:
{
"mcpServers": {
"image-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/IronManCantFix/image-mcp.git", "image-mcp"],
"env": {
"IMAGE_API_URL": "https://apihub.agnes-ai.com/v1/images/generations",
"IMAGE_API_KEY": "your-agnes-api-key",
"IMAGE_MODEL": "agnes-image-2.0-flash"
}
}
}
}
或者使用 pip 安装后:
{
"mcpServers": {
"image-mcp": {
"command": "image-mcp",
"env": {
"IMAGE_API_URL": "https://apihub.agnes-ai.com/v1/images/generations",
"IMAGE_API_KEY": "your-agnes-api-key",
"IMAGE_MODEL": "agnes-image-2.0-flash"
}
}
}
}
集成到 Claude Desktop
在 Claude Desktop 配置文件中添加:
{
"mcpServers": {
"image-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/IronManCantFix/image-mcp.git", "image-mcp"],
"env": {
"IMAGE_API_URL": "https://apihub.agnes-ai.com/v1/images/generations",
"IMAGE_API_KEY": "your-agnes-api-key",
"IMAGE_MODEL": "agnes-image-2.0-flash"
}
}
}
}
🛠️ 工具说明
text_to_image
根据文本描述生成图片。
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
prompt |
string | ✅ | 图片描述文本 |
save_path |
string | ✅ | 保存的本地文件路径 |
size |
string | ❌ | 图片尺寸,如 1024x1024,默认 1024x1024 |
quality |
string | ❌ | 图片质量:low / medium / high,默认 medium |
示例:
{
"prompt": "a cute cat sitting on a windowsill",
"save_path": "/Users/me/images/cat.png",
"size": "1024x1024",
"quality": "high"
}
image_to_image
基于参考图片和文本描述生成新图片。
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
prompt |
string | ✅ | 变换描述文本 |
input_image |
string | ✅ | 输入图片的本地文件路径 |
save_path |
string | ✅ | 保存的本地文件路径 |
size |
string | ❌ | 输出图片尺寸 |
quality |
string | ❌ | 图片质量 |
示例:
{
"prompt": "make it in anime style",
"input_image": "/Users/me/images/original.png",
"save_path": "/Users/me/images/anime_version.png",
"size": "1024x1024",
"quality": "high"
}
📤 返回格式
所有工具返回统一的 JSON 格式:
成功
{
"success": true,
"file_path": "/absolute/path/to/image.png",
"message": "图片已保存"
}
失败
{
"success": false,
"error": "错误描述"
}
❓ 常见问题
Q: 如何获取 Agnes AI API Key?
A: 前往 Agnes AI API Hub 注册并获取 API Key。
Q: 如何获取 OpenAI API Key?
A: 前往 OpenAI Platform 创建 API Key。
Q: 支持哪些图片格式?
A: 输出格式为 PNG。图生图输入支持 PNG、JPG、JPEG、GIF、WebP 格式。
Q: 可以使用其他兼容的 API 吗?
A: 可以,只需将 IMAGE_API_URL 设置为对应的 API 端点地址,IMAGE_MODEL 设置为对应的模型名称即可。接口需兼容 OpenAI GPT-Image 的请求/响应格式。
Q: 图片保存在哪里?
A: 由调用时的 save_path 参数决定,可以是任意路径。如果目录不存在会自动创建。
📄 许可证
MIT License - 详见 LICENSE 文件
🔗 相关链接
推荐服务器
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。
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。
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。
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。
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。
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。
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。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
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。