Image Generation MCP Server

Image Generation MCP Server

一个 MCP 服务器,它与 Stable Diffusion WebUI 集成,通过简单的 API 调用提供文本到图像的生成和图像放大功能。

Category
访问服务器

Tools

generate_image

Generate an image using Stable Diffusion

get_sd_models

Get list of available Stable Diffusion models

set_sd_model

Set the active Stable Diffusion model

get_sd_upscalers

Get list of available upscaler models

upscale_images

Upscale one or more images using Stable Diffusion

README

image-gen MCP 服务器

一个使用 Stable Diffusion WebUI API (ForgeUI/AUTOMATIC-1111) 提供文本到图像生成功能的 MCP 服务器。

<a href="https://glama.ai/mcp/servers/@Ichigo3766/image-gen-mcp"> <img width="380" height="200" src="https://glama.ai/mcp/servers/@Ichigo3766/image-gen-mcp/badge" alt="Image Generation Server MCP server" /> </a>

安装

前提条件

  • Node.js
  • 能够访问已启用 API 的 Stable Diffusion WebUI 实例
  • 启动 WebUI 时必须启用 --api 标志

设置

  1. 克隆仓库:
git clone https://github.com/Ichigo3766/image-gen-mcp.git
cd image-gen-mcp
  1. 安装依赖:
npm install
  1. 构建服务器:
npm run build
  1. 将服务器配置添加到您的环境中:
{
  "mcpServers": {
    "image-gen": {
      "command": "node",
      "args": [
        "/path/to/image-gen-mcp/build/index.js"
      ],
      "env": {
        "SD_WEBUI_URL": "http://your-sd-webui-url:7860",
        "SD_AUTH_USER": "your-username",  // 可选:如果启用了身份验证
        "SD_AUTH_PASS": "your-password",  // 可选:如果启用了身份验证
        "SD_OUTPUT_DIR": "/path/to/output/directory",
        "SD_RESIZE_MODE": "0",           // 可选:放大模式 (0=倍数, 1=尺寸)
        "SD_UPSCALE_MULTIPLIER": "4",    // 可选:默认放大倍数
        "SD_UPSCALE_WIDTH": "512",       // 可选:默认放大宽度
        "SD_UPSCALE_HEIGHT": "512",      // 可选:默认放大高度
        "SD_UPSCALER_1": "R-ESRGAN 4x+", // 可选:默认主要放大器
        "SD_UPSCALER_2": "None"          // 可选:默认次要放大器
      }
    }
  }
}

使用您的值替换环境变量:

  • SD_WEBUI_URL: 您的 Stable Diffusion WebUI 实例的 URL
  • SD_AUTH_USER: 基本身份验证的用户名(如果已启用)
  • SD_AUTH_PASS: 基本身份验证的密码(如果已启用)
  • SD_OUTPUT_DIR: 将保存生成的图像的目录
  • SD_RESIZE_MODE: 默认放大模式(0 表示倍数,1 表示尺寸)
  • SD_UPSCALE_MULTIPLIER: 当 resize_mode 为 0 时的默认放大倍数
  • SD_UPSCALE_WIDTH: 当 resize_mode 为 1 时的默认目标宽度
  • SD_UPSCALE_HEIGHT: 当 resize_mode 为 1 时的默认目标高度
  • SD_UPSCALER_1: 默认主要放大器模型
  • SD_UPSCALER_2: 默认次要放大器模型

功能

工具

  • generate_image - 使用 Stable Diffusion 生成图像

    • 参数:
      • prompt (必需): 所需图像的文本描述
      • negative_prompt: 要从图像中排除的内容
      • steps: 采样步数(默认值:4,范围:1-150)
      • width: 图像宽度(默认值:1024,范围:512-2048)
      • height: 图像高度(默认值:1024,范围:512-2048)
      • cfg_scale: CFG 比例(默认值:1,范围:1-30)
      • sampler_name: 采样算法(默认值:“Euler”)
      • scheduler_name: 调度算法(默认值:“Simple”)
      • seed: 随机种子(-1 表示随机)
      • batch_size: 要生成的图像数量(默认值:1,最大值:4)
      • restore_faces: 启用面部修复
      • tiling: 生成可平铺的图像
      • output_path: 生成图像的自定义输出路径
  • get_sd_models - 获取可用 Stable Diffusion 模型的列表

    • 无需参数
    • 返回模型名称数组
  • set_sd_model - 设置活动的 Stable Diffusion 模型

    • 参数:
      • model_name (必需): 要设置为活动模型的名称
  • get_sd_upscalers - 获取可用放大器模型的列表

    • 无需参数
    • 返回放大器名称数组
  • upscale_images - 使用 Stable Diffusion 放大一个或多个图像

    • 参数:
      • images (必需): 要放大的图像文件路径数组
      • resize_mode: 0 表示倍数模式,1 表示尺寸模式(默认值:来自 env)
      • upscaling_resize: 当 resize_mode=0 时的放大倍数(默认值:来自 env)
      • upscaling_resize_w: 当 resize_mode=1 时的目标宽度(以像素为单位)(默认值:来自 env)
      • upscaling_resize_h: 当 resize_mode=1 时的目标高度(以像素为单位)(默认值:来自 env)
      • upscaler_1: 主要放大器模型(默认值:来自 env)
      • upscaler_2: 次要放大器模型(默认值:来自 env)
      • output_path: 放大图像的自定义输出目录

开发

对于使用自动重建进行开发:

npm run watch

错误处理

常见问题和解决方案:

  1. 确保您的 Stable Diffusion WebUI 正在运行并带有 --api 标志
  2. 检查 WebUI URL 是否可以从您运行 MCP 服务器的位置访问
  3. 如果使用身份验证,请确保凭据正确
  4. 验证输出目录是否存在并且具有写入权限
  5. 放大时,确保输入图像文件存在且可读

许可证

此 MCP 服务器在 MIT 许可证下获得许可。 这意味着您可以自由使用、修改和分发该软件,但须遵守 MIT 许可证的条款和条件。 有关更多详细信息,请参阅项目存储库中的 LICENSE 文件。

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
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
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
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