MiniMax MCP Server
Provides MCP tools for MiniMax Token Plan quota queries, web searches, image understanding, and image generation, enabling integration with Claude Code.
README
MiniMax MCP Server
一个功能完整的 MiniMax Token Plan MCP Server,提供额度查询、网页搜索、图片理解和图片生成四种能力。基于 Python FastMCP 构建,可直接集成到 Claude Code 等支持 MCP 的客户端。
功能概览
| 工具 | 功能 | 使用的 MiniMax API |
|---|---|---|
query_quota |
查询 Token Plan 各模型剩余配额 | /v1/token_plan/remains |
web_search |
MiniMax 网络搜索 | /v1/coding_plan/search |
understand_image |
图片理解(双模式 + 缓存) | /v1/coding_plan/vlm |
generate_image |
图片生成(image-01 模型) | /v1/image_generation |
clear_vision_cache |
清除视觉分析缓存 | - |
项目结构
minimax-mcp/
├── config.env.example # 配置模板
├── pyproject.toml
├── src/minimax_mcp/
│ ├── server.py # FastMCP 服务入口 + 5 个 Tool
│ ├── client.py # MiniMax HTTP API 客户端
│ ├── config.py # 配置管理(config.env → 环境变量 → 默认值)
│ ├── tools/
│ │ ├── quota.py # 额度查询(5小时/日周期分类)
│ │ ├── web_search.py # 网页搜索
│ │ ├── image_understand.py # 图片理解(本地文件→Base64 转换)
│ │ └── image_generate.py # 图片生成(自动保存本地)
│ └── vision/
│ ├── analyzer.py # 分析器(双模式 + 缓存调度)
│ ├── prompts.py # 结构化 Prompt 模板
│ └── cache.py # LRU 内存缓存 + 磁盘 JSON 持久化
└── tests/
快速开始
1. 获取 API Key
在 MiniMax 平台 Token Plan 页面 获取你的 API Key。
2. 安装
# 克隆仓库
git clone <repo-url>
cd minimax-mcp
# 安装依赖(需要 Python >= 3.10)
pip install -e .
# 或使用 uv
uv pip install -e .
3. 配置
cp config.env.example config.env
# 编辑 config.env,填入你的 API Key
config.env 结构:
# 必需
MINIMAX_API_KEY=你的_api_key
# 可选
MINIMAX_API_HOST=https://api.minimaxi.com # 中国大陆
# MINIMAX_API_HOST=https://api.minimax.io # 全球
MINIMAX_IMAGE_OUTPUT_DIR=~/Pictures/MiniMax # 生成图片保存位置
MINIMAX_CACHE_DIR=~/.minimax-mcp/cache # 视觉分析缓存位置
MINIMAX_VISION_DEFAULT_MODE=detailed # quick 或 detailed
MINIMAX_CACHE_MAX_SIZE=256 # 最大缓存条目
MINIMAX_CACHE_TTL_DAYS=7 # 缓存过期天数
重要:
config.env包含 API Key,已在.gitignore中排除。切勿提交到 Git。
4. 注册到 Claude Code
在 Claude Code 的 MCP 配置中添加:
{
"mcpServers": {
"MiniMaxMCP": {
"command": "uv",
"args": ["run", "--directory", "<项目路径>/minimax-mcp", "minimax-mcp"]
}
}
}
或者直接使用系统 Python:
{
"mcpServers": {
"MiniMaxMCP": {
"command": "python",
"args": ["-X", "utf8", "-m", "minimax_mcp.server"],
"env": {
"PYTHONPATH": "<项目路径>/minimax-mcp/src"
}
}
}
}
工具详解
1. query_quota — 额度查询
查询 Token Plan 的模型配额使用情况,自动区分文本模型(5 小时周期)和其他模型(日周期)。
query_quota()
→ {
text_models: [
{ model_name: "MiniMax-M3.5", used: 32, total: 100, remaining: 68, usage_pct: 32 }
],
other_models: [
{ model_name: "image-01", used: 5, total: 50, remaining: 45, usage_pct: 10 }
],
no_quota: [...],
summary: "文本模型: 5:00:00 后重置 | 其他模型: 12:30:00 后重置"
}
2. web_search — 网页搜索
通过 MiniMax 搜索引擎搜索网页内容。
web_search(query="OpenAI GPT-5 发布日期")
→ {
success: true,
results: [
{ title: "...", url: "...", snippet: "...", position: 1 },
...
],
related_searches: [...],
query: "OpenAI GPT-5 发布日期"
}
3. understand_image — 图片理解
借鉴 OpenHanako Vision Bridge 的设计理念,提供两种分析模式。
设计理念:
- 将图片交给专门的视觉模型(MiniMax VLM)进行结构化分析
- 分析结果作为文本注入到 LLM 上下文中,使纯文本模型也能"理解"图片内容
- 内置 LRU 缓存(256 条目,磁盘持久化),相同图片+相同 prompt 不重复消耗配额
双模式:
| 模式 | 适用场景 | 输出格式 |
|---|---|---|
quick |
快速了解图片内容 | ~300 词简洁描述 |
detailed(默认) |
深度分析 | 7 维度结构化报告 |
detailed 模式输出维度:
| 维度 | 内容 |
|---|---|
image_overview |
画面概览 |
visible_text |
可见文字 |
objects_and_layout |
物体与布局 |
charts_or_data |
图表/数据 |
answer_to_request |
针对用户问题的回答 |
evidence |
分析依据 |
uncertainty |
不确定性说明 |
understand_image(
image_url="https://example.com/photo.jpg", # 支持 HTTP URL 或本地路径
prompt="图片里有什么错误提示?", # 可选,特定问题
mode="detailed", # quick 或 detailed
use_cache=true # 默认启用缓存
)
注意:MiniMax VLM 不支持坐标输出,因此暂未实现 OpenHanako 的 Visual Primitives 空间坐标标注能力。如需要坐标感知的图像分析,建议使用支持视觉原语的模型。
4. generate_image — 图片生成
使用 MiniMax image-01 模型生成图片。
generate_image(
prompt="A serene lake at sunset with snow-capped mountains",
model="image-01", # 目前仅支持 image-01
aspect_ratio="16:9", # 1:1 / 16:9 / 9:16 / 3:4 / 4:3
n=1, # 1-3 张
prompt_optimizer=true, # 启用提示词自动优化
save_to_disk=true, # 自动保存到本地
response_format="base64" # base64(可存本地)或 url(24h临时链接)
)
图片自动保存到 MINIMAX_IMAGE_OUTPUT_DIR 目录(默认 ~/Pictures/MiniMax)。
架构设计
┌─────────────────┐ MCP Protocol ┌──────────────────────┐
│ Claude Code / │ ◄──────────────────► │ FastMCP Server │
│ MCP Client │ (stdio) │ (server.py) │
└─────────────────┘ │ │
│ ┌─────────────────┐ │
│ │ quota.py │ │
│ │ web_search.py │ │
│ │ image_*.py │ │
│ │ vision/analyzer │ │
│ │ vision/cache │ │
│ └────────┬────────┘ │
│ │ │
│ ┌────────▼────────┐ │
│ │ MiniMaxClient │ │
│ │ (HTTP/HTTPS) │ │
│ └────────┬────────┘ │
└───────────┼───────────┘
│
┌───────────▼───────────┐
│ MiniMax API │
│ api.minimaxi.com │
└───────────────────────┘
配置优先级
config.env 文件 → 环境变量 → 代码默认值
缓存机制(视觉分析)
- 内存缓存:LRU 策略,最大 256 条目(可配置)
- 磁盘持久化:JSON 格式,存储到
MINIMAX_CACHE_DIR - 缓存 Key:
SHA256(image_url + prompt + mode) - TTL:默认 7 天过期
依赖
- Python >= 3.10
- mcp >= 1.0.0(FastMCP / MCP Protocol)
- httpx >= 0.27.0(HTTP 客户端)
- Pillow >= 10.0.0(图片处理)
开发
# 克隆并安装开发依赖
git clone <repo-url>
cd minimax-mcp
pip install -e ".[dev]"
# 运行测试
python -m pytest tests/
# 直接启动 MCP 服务器
python -m minimax_mcp.server
参考
License
MIT
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。