Venice AI 图像生成器 MCP 服务器

本项目实现了一个模型上下文协议 (MCP) 服务器，该服务器与 Venice AI 集成，用于图像生成，并具有审批/重新生成工作流程。

什么是 MCP？

模型上下文协议 (MCP) 是一个开放协议，它标准化了应用程序如何向大型语言模型 (LLM) 提供上下文。它就像一个“AI 应用程序的 USB-C 端口”，允许 LLM 以标准化的方式连接到各种数据源和工具。

有关更多信息，请访问 官方 MCP 介绍页面。

项目概述

此 MCP 服务器提供了 LLM（如 Claude）和 Venice AI 图像生成功能之间的桥梁。它使 LLM 能够根据文本提示生成图像，并实现具有点赞/踩反馈的交互式审批工作流程。

主要特性

具有审批工作流程的图像生成

此服务器的核心功能是：

1. 使用 Venice AI 根据文本提示生成图像
2. 向用户显示生成的图像，并在图像上直接叠加可点击的点赞/踩图标
3. 允许用户批准图像（点击点赞）或请求重新生成（点击踩）
4. 如果请求，使用相同的参数重新生成图像

技术实现

该服务器实现了几个 MCP 工具：

• generate_venice_image: 从文本提示创建图像，并返回带有审批选项的图像
• approve_image: 当用户点赞时，将图像标记为已批准
• regenerate_image: 当用户踩时，使用相同的参数创建一个新图像
• list_available_models: 提供有关可用 Venice AI 模型的信息

用户体验

从用户的角度来看，交互流程是：

1. 用户提供文本提示以生成图像
2. LLM 调用 MCP 服务器以生成图像
3. LLM 显示图像，并在图像上直接叠加可点击的点赞/踩图标
4. 用户点击图像上的点赞图标以批准，或点击踩图标以重新生成
5. 如果踩，则重复该过程，直到用户批准图像

架构

该服务器遵循 MCP 客户端-服务器架构：

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│             │     │             │     │             │
│  LLM Host   │◄────┤  MCP Server │◄────┤  Venice AI  │
│ (e.g. Claude)│     │             │     │    API     │
│             │     │             │     │             │
└─────────────┘     └─────────────┘     └─────────────┘

1. LLM Host: 运行 LLM 的应用程序（例如，Claude）
2. MCP Server: 我们的服务器，它实现了 MCP 协议并连接到 Venice AI
3. Venice AI API: 生成图像的外部服务

实现细节

MCP 服务器组件

该服务器由以下部分组成：

1. FastMCP Server: 处理 MCP 协议通信的核心服务器
2. Venice AI Integration: 与 Venice AI API 交互的代码
3. Image Cache: 用于跟踪生成的图像及其审批状态的内存存储
4. Tool Definitions: LLM 可以调用以与服务器交互的函数

数据流

1. LLM 接收来自用户的提示
2. LLM 使用提示调用 generate_venice_image 工具
3. 服务器向 Venice AI API 发送请求
4. Venice AI 生成图像并返回 URL
5. 服务器缓存图像详细信息并返回带有审批选项的 URL
6. LLM 向用户显示图像和审批选项
7. 用户选择点赞或踩
8. LLM 根据用户选择调用 approve_image 或 regenerate_image
9. 如果重新生成，则从步骤 3 重复该过程

使用示例

当连接到像 Claude 这样的 LLM 时，交互看起来像：

User: Generate an image of a futuristic city skyline
Claude: I'll generate that image for you using Venice AI.

[Image of futuristic city skyline with clickable 👍 and 👎 icons overlaid on the image]

User: 👎 (Thumbs down)
Claude: Let me generate a new version for you.

[New image of futuristic city skyline with clickable 👍 and 👎 icons overlaid on the image]

User: 👍 (Thumbs up)
Claude: Great! I've saved this approved image for you.

Gemini 集成用于多视角生成

在用户批准图像（通过点击点赞图标）后，系统会自动通过 Google 的 Gemini API 处理批准的图像，以生成 3D 对象的多个一致视图：

1. 批准的 Venice AI 图像用作 Gemini 视图生成脚本的输入
2. 依次生成四个不同的视图：
   • 前视图 (0°) - 首先生成
   • 右视图 (90°) - 在前视图完成后生成
   • 左视图 (270°) - 在右视图完成后生成
   • 后视图 (180°) - 在左视图完成后生成
3. 每个视图在可用时以 4-up 布局显示
4. 每个脚本在执行之前等待上一个脚本成功完成

4-Up 视图审批流程

四个生成的视图中的每一个都有自己的点赞/踩审批系统：

1. 4-up 显示中的每个视图都在图像上叠加了点赞/踩图标
2. 如果用户为任何特定视图选择踩：
   • 再次运行该视图的相应 Python 脚本
   • 新生成的图像替换 4-up 显示中的被拒绝图像
   • 此过程重复，直到用户使用点赞批准图像
3. 每个视图都可以单独批准或重新生成

3D 模型生成

一旦所有四个视图都被批准：

1. 原始 Venice AI 图像和四个批准的 Gemini 生成的视图使用 CUDA Multi-View Stereo 进行处理
2. 此处理发生在网络上专用的 Linux 服务器上
3. CUDA Multi-View Stereo 系统将 2D 图像转换为 3D 模型

这种多视角生成利用 Gemini 的对象一致性功能，从不同的角度创建 3D 对象的连贯表示，同时保持与原始 Venice AI 图像相同的风格、颜色和比例。

未来增强

潜在的未来改进包括：

1. 持久存储: 将批准的图像保存到数据库
2. 图像编辑: 允许用户请求对生成的图像进行特定修改
3. 多图像生成: 一次生成多个变体供用户选择
4. 其他视图: 生成超出四个基本方向的更多角度

Venice AI 集成

该服务器与 Venice AI 的图像生成 API 集成，该 API 提供高质量的图像生成功能。该 API 允许：

• 从文本提示生成图像
• 自定义图像尺寸
• 调整生成参数
• 使用不同的模型来获得不同的风格

开始使用

要实现此服务器，您需要：

1. 安装 FastMCP 库
2. 设置 Venice AI API 凭据
3. 按照描述实现 MCP 工具
4. 运行服务器并将其连接到 LLM 主机

MCP 资源

有关模型上下文协议以及如何构建 MCP 服务器的更多信息，请查看以下资源：

• MCP 介绍 - 模型上下文协议的官方介绍
• MCP SDKs - Python、TypeScript、Java 和 Kotlin 的官方 SDK
• MCP GitHub Repository - 官方 MCP 实现和示例
• Building MCP with LLMs - 关于使用 LLM 构建 MCP 服务器的教程
• Example Servers - 官方 MCP 服务器实现的图库
• MCP Inspector - 用于 MCP 服务器的交互式调试工具