Image Gen MCP Server — 文生图能力代理 🎨

让 LLM 通过 MCP 调用 AI 模型生成图片。只需一个 API Key，即可让任何 AI 客户端拥有图片生成能力。

每个部署者自行选择图片生成提供商和默认模型，只需在部署时配置环境变量即可。

功能

工具	说明
generate_image	根据文字描述生成图片。传入 prompt + 可选参数，返回图片 URL
list_image_models	查看当前提供商和推荐使用的模型列表

支持的图片生成提供商

提供商	IMAGE_PROVIDER 值	特点
硅基流动	siliconflow	国内直接访问，免费额度，推荐中文用户
OpenAI	openai	DALL-E 3，需国际网络
自定义接口	custom	任何 OpenAI 兼容接口（中转 API）

一键运行（无需手动安装）

项目支持 uvx / pip 两种方式一键运行，无需手动克隆仓库。

方式	命令	前提条件
uvx 🏆	uvx --from git+https://github.com/DoctorPan/image-gen-mcp image-gen-mcp	安装 uv（自动安装 Python 依赖）
pip	pip install git+https://github.com/DoctorPan/image-gen-mcp && image-gen-mcp	安装 Python 3.10+

# uvx 运行（默认 stdio 模式，适用于本地 Reasonix 接入）
uvx --from git+https://github.com/DoctorPan/image-gen-mcp image-gen-mcp

# uvx 运行（SSE 模式，用于远程部署）
uvx --from git+https://github.com/DoctorPan/image-gen-mcp image-gen-mcp --transport sse --port 8000

# 需要先设置环境变量
set IMAGE_API_KEY=你的硅基流动APIKey
set IMAGE_PROVIDER=siliconflow

注意：uvx 会自动从 GitHub 拉取代码并安装 Python 依赖，首次运行可能需要几十秒。

在 Reasonix 中配置（推荐）

方式一：通过 uvx 一键运行（推荐）

无需克隆仓库、无需手动安装依赖，Reasonix 自动通过 uvx 拉取运行：

{
  "mcpServers": {
    "image-gen-mcp": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/DoctorPan/image-gen-mcp", "image-gen-mcp"],
      "env": {
        "IMAGE_API_KEY": "你的硅基流动 API Key",
        "IMAGE_PROVIDER": "siliconflow",
        "DEFAULT_IMAGE_MODEL": "black-forest-labs/FLUX.1-dev"
      }
    }
  }
}

方式二：本地 Python 直接运行（已克隆项目）

{
  "mcpServers": {
    "image-gen-mcp": {
      "command": "python",
      "args": ["C:\\path\\to\\image-gen-mcp\\server.py"],
      "env": {
        "IMAGE_API_KEY": "你的硅基流动 API Key",
        "IMAGE_PROVIDER": "siliconflow",
        "DEFAULT_IMAGE_MODEL": "black-forest-labs/FLUX.1-dev"
      }
    }
  }
}

方式三：远程 SSE URL（部署到魔搭后）

{
  "mcpServers": {
    "image-gen-mcp": {
      "url": "https://mcp.api-inference.modelscope.net/xxxxx/mcp"
    }
  }
}

快速开始（本地开发）

# 1. 进入项目目录
cd image-gen-mcp

# 2. 安装依赖
pip install -r requirements.txt

# 3. 复制配置模板
copy .env.example .env

# 4. 编辑 .env，填入你的配置
#    IMAGE_API_KEY=sk-xxx
#    IMAGE_PROVIDER=siliconflow

# 5. 启动（默认 stdio 模式）
python server.py

# 或者本地测试 SSE 模式
python server.py --transport sse --port 8000

如何使用

示例：生成一张图片

generate_image(
  prompt="一只穿着西装的猫，坐在办公室的老板椅上，夕阳从窗外照进来，赛博朋克风格",
  model="black-forest-labs/FLUX.1-dev",
  size="1024x1024"
)

选择不同的提供商

在 generate_image 的 model 参数中传入不同的模型名称：

提供商	推荐模型	尺寸支持
硅基流动	black-forest-labs/FLUX.1-dev	1024x1024、768x1344、864x1152、1344x768、1152x864
硅基流动	stabilityai/stable-diffusion-3-5-large	同上
OpenAI	dall-e-3	1024x1024、1792x1024、1024x1792
OpenAI	dall-e-2	256x256、512x512、1024x1024

部署到魔搭 Hosted（SSE 模式）🚀

魔搭社区提供 Hosted MCP 服务，可以将你的 MCP 服务器部署在魔搭云端，生成 SSE URL 供远程调用。

部署步骤

第 1 步：将代码推送到 GitHub

cd image-gen-mcp
git init
git add .
git commit -m "初始提交"
git remote add origin https://github.com/DoctorPan/image-gen-mcp.git
git push -u origin main

第 2 步：在魔搭提交 MCP 服务

1. 登录 https://modelscope.cn
2. 进入 MCP 广场 → 点击 提交 MCP 服务
3. 填写以下信息：

字段	内容
服务名称	image-gen-mcp
中文名称	文生图能力代理
描述	让 LLM 通过 MCP 调用 AI 模型生成图片。支持硅基流动、OpenAI 等多个提供商。
源代码地址	https://github.com/DoctorPan/image-gen-mcp
启动命令	python server.py --transport sse --port 8000
传输方式	SSE

第 3 步：部署 Hosted 服务

审核通过后，在 MCP 管理页面找到 image-gen-mcp，点击部署，选择 Hosted 部署类型，配置环境变量：

变量	必填	值
IMAGE_API_KEY	✅	你的图片生成 API Key
IMAGE_PROVIDER	❌	siliconflow（默认）
DEFAULT_IMAGE_MODEL	❌	black-forest-labs/FLUX.1-dev

部署成功后，魔搭会生成 SSE URL。

环境变量速查

环境变量	作用	示例值
IMAGE_API_KEY	⭐ 你的 API Key（必填）	sk-xxx
IMAGE_PROVIDER	选择提供商	siliconflow / openai / custom
IMAGE_BASE_URL	自定义 API 地址	https://your-api.com/v1
DEFAULT_IMAGE_MODEL	调用的默认模型	black-forest-labs/FLUX.1-dev
DEFAULT_IMAGE_SIZE	默认图片尺寸	1024x1024
IMAGE_MCP_TRANSPORT	传输模式	stdio（本地） / sse（远程）
IMAGE_MCP_HOST	SSE 监听地址	0.0.0.0
IMAGE_MCP_PORT	SSE 监听端口	8000

命令行参数

python server.py --help

# 输出：
usage: server.py [-h] [--transport {stdio,sse}] [--host HOST] [--port PORT]

Image Gen MCP Server — 文生图能力代理

options:
  -h, --help            show this help message and exit
  --transport {stdio,sse}
                        传输模式: stdio (默认) / sse (远程部署)
  --host HOST           SSE 监听地址 (默认 0.0.0.0)
  --port PORT           SSE 监听端口 (默认 8000)

项目结构

image-gen-mcp/
├── pyproject.toml       # Python 项目配置，支持 uvx 一键运行
├── server.py            # MCP 服务器主代码
├── requirements.txt     # Python 依赖
├── .env.example         # 环境变量模板
├── .gitignore
└── README.md

许可证

MIT