MCP Flux Studio
一个服务器,将 Flux 的高级图像生成和处理功能集成到 AI 编码助手中,从而在 Cursor 和 Windsurf 等 IDE 中实现无缝的文本到图像和图像控制工作流程。
Tools
generate
Generate an image from a text prompt
img2img
Generate an image using another image as reference
inpaint
Inpaint an image using a mask
control
Generate an image using structural control
README
MCP Flux Studio
一个强大的模型上下文协议 (MCP) 服务器,它将 Flux 的高级图像生成能力带到你的 AI 编码助手。此服务器支持将 Flux 的图像生成、操作和控制功能直接集成到 Cursor 和 Windsurf (Codeium) IDE 中。
概述
MCP Flux Studio 弥合了 AI 编码助手和 Flux 强大的图像生成 API 之间的差距,允许将图像生成功能无缝集成到你的开发工作流程中。
特性
-
图像生成
- 具有精确控制的文本到图像生成
- 多模型支持 (flux.1.1-pro, flux.1-pro, flux.1-dev, flux.1.1-ultra)
- 可自定义的宽高比和尺寸
-
图像操作
- 图像到图像的转换
- 具有可自定义蒙版的图像修复
- 分辨率提升和增强
-
高级控制
- 基于边缘的生成 (canny)
- 深度感知生成
- 姿势引导生成
-
IDE 集成
- 完全支持 Cursor (v0.45.7+)
- 兼容 Windsurf/Codeium Cascade (Wave 3+)
- 通过 AI 助手实现无缝工具调用
快速开始
-
先决条件
- Node.js 18+
- Python 3.12+
- Flux API 密钥
- 兼容的 IDE (Cursor 或 Windsurf)
-
安装
通过 Smithery 安装
要通过 Smithery 为 Claude Desktop 自动安装 Flux Studio:
npx -y @smithery/cli install @jmanhype/mcp-flux-studio --client claude
手动安装
git clone https://github.com/jmanhype/mcp-flux-studio.git
cd mcp-flux-studio
npm install
npm run build
- 基本配置
BFL_API_KEY=your_flux_api_key FLUX_PATH=/path/to/flux/installation
有关详细的设置说明,包括 IDE 特定的配置和故障排除,请参阅我们的 安装指南。
文档
IDE 集成
Cursor (v0.45.7+)
MCP Flux Studio 与 Cursor 的 AI 助手无缝集成:
-
配置
- 通过 Settings > Features > MCP 进行配置
- 支持 stdio 和 SSE 连接
- 环境变量可以通过包装脚本设置
-
用法
- 工具自动提供给 Cursor 的 AI 助手
- 工具调用需要用户批准
- 实时反馈生成进度
Windsurf/Codeium (Wave 3+)
与 Windsurf 的 Cascade AI 集成:
-
配置
- 编辑
~/.codeium/windsurf/mcp_config.json
- 支持基于进程的工具执行
- 在 JSON 中配置环境变量
- 编辑
-
用法
- 通过 Cascade 的 MCP 工具栏访问工具
- 自动工具发现和加载
- 与 Cascade 的 AI 功能集成
有关详细的 IDE 特定设置说明,请参阅 安装指南。
用法
服务器提供以下工具:
generate
从文本提示生成图像。
{
"prompt": "A photorealistic cat",
"model": "flux.1.1-pro",
"aspect_ratio": "1:1",
"output": "generated.jpg"
}
img2img
使用另一张图像作为参考生成图像。
{
"image": "input.jpg",
"prompt": "Convert to oil painting",
"model": "flux.1.1-pro",
"strength": 0.85,
"output": "output.jpg",
"name": "oil_painting"
}
inpaint
使用蒙版修复图像。
{
"image": "input.jpg",
"prompt": "Add flowers",
"mask_shape": "circle",
"position": "center",
"output": "inpainted.jpg"
}
control
使用结构控制生成图像。
{
"type": "canny",
"image": "control.jpg",
"prompt": "A realistic photo",
"output": "controlled.jpg"
}
开发
项目结构
flux-mcp-server/
├── src/
│ ├── index.ts # 主要服务器实现
│ └── types.ts # TypeScript 类型定义
├── tests/
│ └── server.test.ts # 服务器测试
├── docs/
│ ├── API.md # API 文档
│ └── CONTRIBUTING.md # 贡献指南
├── examples/
│ ├── generate.json # 示例工具用法
│ └── config.json # 示例配置
├── package.json
├── tsconfig.json
└── README.md
运行测试
npm test
构建
npm run build
贡献
请阅读 CONTRIBUTING.md 以了解我们的行为准则以及提交拉取请求的流程。
许可证
该项目已获得 MIT 许可证的许可 - 有关详细信息,请参阅 LICENSE 文件。
致谢
推荐服务器
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。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
@kazuph/mcp-fetch
用于获取网页内容和处理图像的模型上下文协议服务器。这使得 Claude Desktop(或任何 MCP 客户端)能够适当地获取网页内容和处理图像。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。