mood
Enables AI to display its current mood as a locally generated ASCII face using Stable Diffusion, with a tool feel(emotion) that the AI can call to update the terminal display.
README
mood
Gib deiner KI ein Gesicht. mood ist ein physisches Stimmungs-Display fürs
Terminal: dein LLM zeigt seine aktuelle Stimmung als lebendiges, lokal mit Stable
Diffusion generiertes ASCII-Gesicht — proaktiv, während ihr zusammenarbeitet.
<img src="docs/hero.png" width="560" alt="mood — focused, ready to dig into network config">
Unter der Haube: Eine Emotion (z.B. smiling) wird in einen Prompt eingesetzt, auf
der GPU ein Bild generiert und als ASCII-Helligkeitsgradient im Terminal angezeigt.
Per MCP ruft die KI das Tool feel(emotion) selbst auf, wann immer sich ihre
Stimmung ändert — wie ein Mensch unwillkürlich das Gesicht verzieht.
Schnellstart
Voraussetzung: uv und eine GPU — NVIDIA (Linux,
CUDA) oder Apple Silicon (macOS, MPS). Ohne GPU läuft es auf der CPU, aber sehr
langsam. macOS-Details siehe unten.
./run.sh
Startet das Stimmungs-Display (Listener auf Port 8765) mit den Standard-Settings. Beim ersten Mal wird die Umgebung eingerichtet und das Modell von HuggingFace geladen (mit sichtbarem Fortschritt). Dann ist das Display bereit.
Damit deine KI es ansteuert, die MCP-Bridge in Claude Code registrieren (siehe MCP in Claude Code):
./install-mcp.sh
Ab jetzt zeigt die KI ihre Stimmung von selbst auf dem Display. feel(emotion) gibt
im Chat nur "ok" zurück (das Bild geht aufs Display, nicht in die Konversation).
Selbst ausprobieren
echo "laughing" | nc 127.0.0.1 8765 # Emotion ans laufende Display schicken
./run.sh "a red sports car" # einmaliges Bild (kein '::' -> One-Shot)
Weitere Stimmungen:
<img src="docs/demo.png" width="300" alt="relieved and laughing"> <img src="docs/demo2.png" width="300" alt="very happy">
Aussehen anpassen
Das Gesicht entsteht aus einem Prompt-Template mit :: als Platzhalter für die
Emotion. Standard ist ein Vault-Boy-Stil (Fallout). Alles per Env überschreibbar
(siehe .env.example, eine .env wird automatisch geladen):
| Variable | Default | Wirkung |
|---|---|---|
MOOD_PROMPT |
girl, :: face, retro poster style, … |
Prompt-Template (:: = Emotion) |
MOOD_MODEL |
sd15 |
sdxl, sd15, flux, qwen |
MOOD_LORA |
vaultboy |
LoRA-Kurzname / Pfad ('' = keine) |
MOOD_RAMP |
ink |
ASCII-Rampe: ink, acid, blocks, minimal, … |
MOOD_COLOR |
green |
mono, Akzent (green/amber/cyan/white) oder palette (echte Bildfarben, auf 8 klare ANSI-Farben reduziert) |
MOOD_MODELS_ROOT |
– | lokale Modelle bevorzugen statt HF-Download |
Volle Optionsliste: ./run.sh --help. CLI-Flags überschreiben Env überschreiben .env.
Mit --color palette werden statt eines Akzents echte Bildfarben gerendert (auf ein
kleines, klares Set reduziert):
<img src="docs/palette.png" width="420" alt="--color palette — happy, solved the issue">
--color palette · „happy, solved the issue"
macOS / Apple Silicon
Läuft nativ auf M1/M2/M3 über Apples MPS-Backend — gleiche Codebasis wie Linux, kein CUDA und kein Docker nötig:
# uv installieren (falls noch nicht vorhanden):
curl -LsSf https://astral.sh/uv/install.sh | sh
./run.sh
uv sync zieht automatisch das passende torch (mit MPS) von PyPI — der CUDA-Index
greift nur unter Linux. Die App erkennt das Gerät selbst (CUDA → MPS → CPU). Modelle
landen im HuggingFace-Cache (~/.cache/huggingface).
- Die erste Generierung lädt das Modell (mehrere GB); danach wenige Sekunden pro Bild (je nach Chip). MPS ist langsamer als eine dedizierte NVIDIA-GPU, aber gut nutzbar.
ncist vorinstalliert; MCP-Bridge (./install-mcp.sh) funktioniert identisch.- Docker bringt auf dem Mac nichts: Container haben dort keinen Zugriff auf die
Apple-GPU (Metal/MPS) — nur CPU, also viel zu langsam. Auf dem Mac immer
./run.shnativ nutzen. Das Docker-Setup unten ist ausschließlich für Linux + NVIDIA.
MCP in Claude Code
./install-mcp.sh
Registriert die Bridge (Tool feel) mit den richtigen Pfaden — funktioniert auf
Linux und macOS. Danach Claude Code neu starten und ./run.sh laufen lassen.
Per Docker
Braucht NVIDIA-Treiber + nvidia-container-toolkit. Modelle landen auf dem Host in
./models und bleiben erhalten.
docker compose build
docker compose up # Display/Listener auf :8765
docker compose run --rm mood "a cat" # einmaliges Bild
Modi
- Display/Listener (Default, Prompt mit
::): hält die Pipeline, jede gesendete Emotion wird gerendert. CTRL-C beendet. - One-Shot (Prompt ohne
::): ein Bild, dann Ende. - MCP-Bridge (
-m): leitetfeel(emotion)an den Listener weiter; lädt selbst kein Modell → nur eine Pipeline im VRAM.
* flux/qwen sind experimentell (große/gated Repos).
Lizenz
MIT — siehe LICENSE.
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。