Micu Image MCP

Micu Image MCP

Wraps the Micu image API as an MCP server for generating, editing, batch processing, and multi-reference image fusion, supporting GPT-image-2 and Grok models.

Category
访问服务器

README

米醋画图 MCP

米醋 的图像接口包装成 MCP server,让 Claude Code / Codex / Cursor 等 MCP 客户端直接生图、改图、批处理、多图参考。

默认使用 gpt-image-2 / gpt-image-2-pro。可选配置 MICU_GROK_API_KEY 后,也能走米醋 Grok 图像通道,当前实测模型包括:

  • grok-imagine-image-lite
  • grok-imagine-image
  • grok-imagine-image-pro
  • grok-imagine-image-edit

功能

Tool 说明
image_generate 文生图。米醋 image2 支持 1K / 2K / 4K;Grok 支持 1K / 2K 路由
image_edit 单图参考/编辑。image2 走 edits 或 reference_image;Grok 走 reference_image
image_batch_edit 多张图逐张同指令处理
image_multi_reference 2-10 张参考图融合成 1 张新图;Grok 走 image_urls
server_info 查看 base URL、模型、size 规则、重试策略、安全约束

第一次使用前,让 LLM 调一次 server_info,可以看到当前运行时配置和可用能力。


Grok 与 GPT Image2 功能差异

能力 gpt-image-2 / gpt-image-2-pro 米醋 Grok 图像模型
默认用途 主通道,覆盖文生图、图生图、批量编辑、多图参考 可选通道,适合快速文生图、单图参考、多图参考
可选模型 gpt-image-2, gpt-image-2-pro grok-imagine-image-lite, grok-imagine-image, grok-imagine-image-pro, grok-imagine-image-edit
image_generate 文生图 支持 1K / 2K / 4K;2K/4K 自动切 pro,强制 n=1 支持 1K / 2K 路由;n 会传给后端,实际返回张数以响应为准
image_edit 单图参考/编辑 1K 走 /v1/images/edits;2K 走 reference_image;4K 参考图入口拒绝 /v1/images/generations + reference_image;4K 会映射到 resolution=2k
局部 mask 仅 1K edits multipart 支持 alpha mask;2K 不支持 当前不支持 mask,传入会忽略并写入 notes
image_multi_reference 多图参考 2-10 张参考图;1K 稳定,2K 可能 fallback,4K 入口拒绝 2-10 张参考图走 image_urls;实测可用,按 resolution + aspect_ratio 映射
image_batch_edit 批量逐张编辑 支持 1K;non-pro 5 并发,pro 串行 当前不支持 Grok 批量逐张编辑
size 校验 WxH,边长 256-4096,W/H 必须是 8 的倍数 只校验 WxH 正整数,不强制 8 倍数和 4096 边长
实际输出尺寸 ≥4MP 通常严格 1:1;≤2.25MP 会被代理处理到约 1.57MP 不保证等于请求 WxH,以 saved.actual_size 为准
重试/限流 2K/4K 使用跨进程锁,避免多个 MCP 同时打 pro 队列 不走高分辨率锁;可恢复错误仍自动重试并记录到 notes
配置变量 MICU_API_KEY, MICU_MODEL, MICU_BASEURL MICU_GROK_API_KEY, XAI_MODEL;默认复用 MICU_BASEURL

一键安装

git clone https://github.com/Subaru486desuwa/micu-image-mcp.git
cd micu-image-mcp
python install.py

脚本会:

  1. 检查 Python >= 3.10
  2. 安装依赖
  3. 交互配置米醋 API key、输出目录
  4. 可选配置米醋 Grok 生图 token
  5. 写入 ~/.claude.json~/.codex/config.toml
  6. 启动 server 做一次 initialize 握手

非交互安装:

MICU_API_KEY=sk-... \
MICU_GROK_API_KEY=sk-... \
MICU_SAVE_DIR=~/Pictures/micu-out \
python install.py --yes

常用选项:

python install.py --no-codex
python install.py --no-claude
python install.py --mirror tsinghua
python install.py --baseurl https://www.micuapi.ai

安装完成后重启 Claude Code / Codex,让 LLM 调 server_info 验证。


Grok 路径

Grok 走米醋中转,base URL 默认仍是:

https://www.micuapi.ai

只需要额外配置:

MICU_GROK_API_KEY=sk-...
XAI_MODEL=grok-imagine-image-lite
MICU_GROK_SIZE_MODE=contain

Grok 的 size 不套用 image2 的 8 倍数和 4096 边长约束。本地只检查 WxH 格式,然后映射为:

  • resolution: 1k2k
  • aspect_ratio: 最接近的比例,如 1:116:99:16

注意:Grok 后端返回像素不保证严格等于请求的 WxH。MCP 默认会在保存前用 Pillow 把 Grok 输出归一化到请求尺寸,MICU_GROK_SIZE_MODE 可选:

行为
contain 默认。等比缩放,补边到请求尺寸,不裁主体
cover 等比缩放并居中裁切,铺满请求尺寸
stretch 直接拉伸到请求尺寸,可能变形
backend 不做本地后处理,保留 Grok 后端原始像素

建议仍优先用常见比例和不太小的边长,例如 1024x10241536x10241024x15361501x1001。过小或很奇异的比例可能被米醋 Grok 后端返回 500,MCP 会自动重试并在 notes 里记录。


Size 规则

image2 路径:

  • W/H 必须是 8 的倍数
  • W/H 必须在 256 到 4096 范围内
  • 1K 福利档可能被代理处理到约 1.57MP
  • 2K/4K 自动切 gpt-image-2-pro
  • 2K/4K 强制 n=1 并加跨进程锁,避免多个 MCP 同时打爆 pro 队列

推荐 size:

档位 推荐值
1K 1024x1024, 1280x720, 720x1280, 1024x1536, 1536x1024
2K 2048x2048, 2048x1152, 1152x2048
4K 3840x2160, 2160x3840

Grok 路径:

  • 不强制 8 倍数
  • 当前按 1K / 2K 路由
  • 4K 请求会映射到 resolution=2k

环境变量

变量 默认值 说明
MICU_API_KEY 米醋 image2 token
MICU_BASEURL https://www.micuapi.ai 米醋 base URL
MICU_MODEL gpt-image-2 image2 默认模型
MICU_GROK_API_KEY 米醋 Grok 图像 token
XAI_MODEL grok-imagine-image-lite Grok 默认模型
MICU_GROK_SIZE_MODE contain Grok 保存前尺寸归一化策略:contain / cover / stretch / backend
MICU_SAVE_DIR ~/Pictures/micu-out 默认输出目录
MICU_SAVE_DIR_ROOT 同输出目录 输出安全根目录
MICU_USE_SHELL_PROXY 0 设为 1 才读取 shell 代理

兼容旧 Grok 变量 XAI_API_KEY / GROK_API_KEY,但推荐新配置统一使用 MICU_GROK_API_KEY


手动配置

Claude Code:

{
  "mcpServers": {
    "micu-image": {
      "command": "/path/to/python",
      "args": ["/absolute/path/to/micu-image-mcp/server.py"],
      "env": {
        "MICU_API_KEY": "sk-...",
        "MICU_GROK_API_KEY": "sk-...",
        "MICU_SAVE_DIR": "/Users/you/Pictures/micu-out",
        "MICU_SAVE_DIR_ROOT": "/Users/you/Pictures/micu-out",
        "XAI_MODEL": "grok-imagine-image-lite"
      }
    }
  }
}

Codex:

[mcp_servers.micu-image]
command = "/path/to/python"
args = ["/absolute/path/to/micu-image-mcp/server.py"]

[mcp_servers.micu-image.env]
MICU_API_KEY = "sk-..."
MICU_GROK_API_KEY = "sk-..."
MICU_SAVE_DIR = "/Users/you/Pictures/micu-out"
MICU_SAVE_DIR_ROOT = "/Users/you/Pictures/micu-out"
XAI_MODEL = "grok-imagine-image-lite"

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