image-2-Agent
This MCP server enables image generation via Codex CLI and an OpenAI-compatible relay API, with job queue, status polling, and preview/download endpoints. It is a single-user local demo without authentication or persistence.
README
Local Codex + MCP Image Agent Demo
这是一个本地运行的图片生成 Demo,完整调用链为:
React → FastAPI → Codex CLI → STDIO MCP generate_image → OpenAI-compatible 中转 API → 本地存储
项目只包含单用户本地原型需要的功能:提交提示词、异步查询状态、预览和下载图片。它不包含登录、计费、历史记录、图片编辑或多用户并发。
环境要求
- Python 3.13+
- Node.js 20+
- 已安装并登录的 Codex CLI
- 支持
POST /images/generations的 OpenAI-compatible 图片中转 API
安装
在项目根目录执行:
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -e ".[dev]"
Copy-Item .env.example .env
编辑 .env,至少填写:
IMAGE_API_BASE=https://relay.example.com/v1
IMAGE_API_KEY=your-local-key
IMAGE_MODEL=gpt-image-2
真实 .env 已被 Git 忽略。不要把 Key 写进 .codex/config.toml、前端代码或日志。
安装前端依赖:
Set-Location frontend
npm install
Set-Location ..
分层验证
先绕过 Codex 和 MCP 验证中转 API:
python scripts/test_relay_api.py
成功后,图片会保存到 data/generated/test-output.<格式>。
项目级 .codex/config.toml 已配置 image_generator STDIO MCP。项目被 Codex 信任并激活虚拟环境后,可检查连接:
codex mcp list
codex
进入 Codex TUI 后使用 /mcp,确认存在 image_generator 和 generate_image。也可以要求:
使用 image generator MCP 工具生成一张蓝白色科技风海报。
启动
终端一,启动后端:
激活后,提示符前会出现 (.venv)
python -m pip install -e ".[dev]"
启动后端
python -m uvicorn backend.app.main:app --host 127.0.0.1 --port 8000 --reload
python -m uvicorn backend.app.main:app --host 127.0.0.1 --port 8000 --reload
终端二,启动前端: Set-Location d:\project\image-2-Agent\frontend
Set-Location frontend
npm run dev
浏览器打开 http://127.0.0.1:5173。
API
POST /api/generations:创建任务,返回job_idGET /api/generations/{job_id}:查询任务状态GET /api/images/{image_id}:预览图片GET /api/images/{image_id}/download:下载图片GET /api/health:健康检查
任务状态保存在内存中,服务重启后会丢失。图片和元数据分别保存在 data/generated 与 data/results。
测试与构建
pytest
Set-Location frontend
npm run build
Provider 和后端测试全部使用 mock,不会请求真实中转 API,也不会产生图片费用。真实端到端测试必须由本机已登录的 Codex 和有效中转 Key 完成。
常见错误
codex_not_found:后端账号找不到 Codex CLI。codex_not_authenticated:先在同一操作系统账号下登录 Codex。mcp_unavailable:检查虚拟环境、项目信任和.codex/config.toml。provider_auth_failed:检查 API Base、Key 和模型别名。provider_rate_limited:请求过于频繁,稍后重试。provider_quota_exhausted:中转 API 免费额度已用完,请充值或更换模型。provider_unavailable(no_available_channel):免费模型通道暂不可用,可改用gpt-image-2或稍后重试。provider_auth_failed:检查 API Key 是否来自当前平台,修改.env后需重启后端。provider_timeout:提高IMAGE_API_TIMEOUT_SECONDS或检查中转服务。tool_not_called:Codex 没有实际调用generate_image,结果会被拒绝。mcp_tool_cancelled/user cancelled MCP tool call:Codexexec在read-only沙箱下会取消 MCP 工具调用。将.env中CODEX_SANDBOX设为danger-full-access。provider_invalid_response(404 Invalid URL):IMAGE_API_BASE应填写到/v1,不要包含/images/generations。
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。
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。
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。
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。
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。
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。
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。
mcp-server-qdrant
这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。