Image Generator MCP Server
一个 MCP 服务器,允许用户使用 Replicate 的 Stable Diffusion 模型生成图像,并将它们保存到本地文件系统。 (Alternative, slightly more formal translation:) 一个 MCP 服务器,它允许用户利用 Replicate 的 Stable Diffusion 模型来生成图像,并将这些图像保存至本地文件系统。
Tools
generate-image
Generate an image using Replicate's Stable Diffusion model
save-image
Save a generated image
list-saved-images
List all saved images
README
图像生成器 MCP 服务器
一个使用 Replicate 生成图像并允许用户保存图像的 MCP 服务器。
组件
资源
该服务器实现了一个图像存储系统,具有:
- 用于访问单个生成图像的自定义 image:// URI 方案
- 每个图像资源都有一个基于其提示的名称、带有创建日期的描述以及 image/png mimetype
提示
服务器提供一个提示:
- generate-image:创建使用 Stable Diffusion 生成图像的提示
- 可选的 "style" 参数来控制图像风格(写实/艺术/抽象)
- 生成一个带有特定风格指导的提示模板
工具
服务器实现了三个工具:
- generate-image:使用 Replicate 的 Stable Diffusion 模型生成图像
- 接受 "prompt" 作为必需的字符串参数
- 可选参数包括 "negative_prompt"、"width"、"height"、"num_inference_steps" 和 "guidance_scale"
- 返回生成的图像及其 URL
- save-image:将生成的图像保存到本地文件系统
- 接受 "image_url" 和 "prompt" 作为必需的字符串参数
- 为图像生成一个唯一的 ID 并将其保存到 "generated_images" 目录
- list-saved-images:列出所有已保存的图像
- 返回所有已保存图像的列表,其中包含其元数据和缩略图
配置
Replicate API Token
要使用此图像生成器,您需要一个 Replicate API token:
- 在 Replicate 创建一个帐户
- 从 https://replicate.com/account 获取您的 API token
- 基于提供的
.env.example模板创建一个.env文件:
REPLICATE_API_TOKEN=your_replicate_api_token_here
重要提示:
.env文件已通过.gitignore从版本控制中排除,以防止意外暴露您的 API token。切勿将敏感信息提交到您的存储库。
环境设置
- 克隆存储库:
git clone https://github.com/yourusername/image-generator.git
cd image-generator
- 创建并激活虚拟环境:
# 使用 venv
python -m venv .venv
# 在 Windows 上
.venv\Scripts\activate
# 在 macOS/Linux 上
source .venv/bin/activate
- 安装依赖项:
pip install -r requirements.txt
- 按照上述说明设置您的
.env文件
快速入门
安装
Claude Desktop
在 MacOS 上:~/Library/Application\ Support/Claude/claude_desktop_config.json
在 Windows 上:%APPDATA%/Claude/claude_desktop_config.json
<details> <summary>开发/未发布的服务器配置</summary>
"mcpServers": {
"image-generator": {
"command": "uv",
"args": [
"--directory",
"B:\NEWTEST\image-generator",
"run",
"image-generator"
]
}
}
</details>
<details> <summary>已发布的服务器配置</summary>
"mcpServers": {
"image-generator": {
"command": "uvx",
"args": [
"image-generator"
]
}
}
</details>
用法
服务器运行后,您可以:
- 使用带有描述性提示的 "generate-image" 工具生成图像
- 使用带有图像 URL 和提示的 "save-image" 工具保存生成的图像
- 使用 "list-saved-images" 工具查看所有已保存的图像
- 通过资源列表访问已保存的图像
开发
构建和发布
要准备用于分发的软件包:
- 同步依赖项并更新 lockfile:
uv sync
- 构建软件包分发:
uv build
这将在 dist/ 目录中创建源和 wheel 分发。
- 发布到 PyPI:
uv publish
注意:您需要通过环境变量或命令标志设置 PyPI 凭据:
- Token:
--token或UV_PUBLISH_TOKEN - 或用户名/密码:
--username/UV_PUBLISH_USERNAME和--password/UV_PUBLISH_PASSWORD
调试
由于 MCP 服务器通过 stdio 运行,因此调试可能具有挑战性。 为了获得最佳调试体验,我们强烈建议使用 MCP Inspector。
您可以使用以下命令通过 npm 启动 MCP Inspector:
npx @modelcontextprotocol/inspector uv --directory B:\NEWTEST\image-generator run image-generator
启动后,Inspector 将显示一个 URL,您可以在浏览器中访问该 URL 以开始调试。
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。