使用说明

MCP图像服务器

用于Google Imagen API的MCP（模型上下文协议）服务器，能够使用Google最先进的Imagen模型生成文本到图像。

特性

文本到图像生成：使用Imagen 4.0模型从文本提示生成高质量图像
风格迁移：使用Imagen 3 Customization按照参考图像的样式生成图像
背景移除：使用rembg AI模型从图像中删除背景
自动裁剪：自动裁剪图像以删除透明或空边框，并支持批处理
多种型号：支持三种Imagen变体：
- imagen-4.0-generate-001 （默认）-标准质量和速度
- imagen-4.0-fast-generate-001 -更快的一代
- imagen-4.0-ultra-generate-001 -最高质量（仅单张图像）
灵活配置:
- 可定制的宽高比（1:1、3:4、4:3、9:16、16:9）
- 批量生成（每个请求1-4张图像）
- 支持透明度的PNG输出格式
身份验证选项:
- Google Cloud默认应用程序凭据
- Vertex AI或Gemini API

先决条件

Python 3.11或更高版本
紫外线用于包管理
Google Cloud凭据（请参阅认证)

安装

1.克隆存储库

git clone https://github.com/anton-proto/mcp-imagen.git
cd mcp-imagen/mcp-imagen-server

2.用uv安装

# Install dependencies
uv sync

# Or install in development mode
uv sync --all-extras

3.设置身份验证

选项A：使用Gemini API（建议快速启动）

从获取API密钥谷歌AI工作室

设置API键：

export GOOGLE_API_KEY="your-api-key-here"

选项B：使用Vertex AI（建议用于生产）

安装谷歌云SDK：

# For Debian/Ubuntu
curl https://sdk.cloud.google.com | bash
exec -l $SHELL

使用Google Cloud进行身份验证：
```
gcloud auth application-default login
```

设置您的项目：

export GOOGLE_CLOUD_PROJECT="your-project-id"
export USE_VERTEXAI="true"
# Optional: specify location (default: us-central1)
export GOOGLE_CLOUD_LOCATION="us-central1"

用法

运行服务器

uv run mcp-imagen-server

服务器将启动并通过stdio监听MCP请求。

与Claude Desktop集成

将此配置添加到您的Claude Desktop配置文件中：

位置:

macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
窗户： %APPDATA%\Claude\claude_desktop_config.json
Linux： ~/.config/Claude/claude_desktop_config.json

配置:

{
  "mcpServers": {
    "imagen": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-imagen-server",
        "run",
        "mcp-imagen-server"
      ],
      "env": {
        "GOOGLE_API_KEY": "your-api-key-here"
      }
    }
  }
}

对于顶点AI:

{
  "mcpServers": {
    "imagen": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-imagen-server",
        "run",
        "mcp-imagen-server"
      ],
      "env": {
        "USE_VERTEXAI": "true",
        "GOOGLE_CLOUD_PROJECT": "your-project-id",
        "GOOGLE_CLOUD_LOCATION": "us-central1"
      }
    }
  }
}

与其他MCP客户端集成

服务器实现了标准的MCP协议，可以与任何兼容MCP的客户端一起使用。

MCP工具

文本到图像

使用Google Imagen API从文本提示生成图像。

参数

参数	类型	必填	默认	说明
`prompt`	string	是	-	要生成的图像的文本描述
`output_dir`	string	是	-	应保存图像的目录的绝对路径
`model`	string	否	`imagen-4.0-generate-001`	要使用的Imagen模型（请参见模型)
`sample_count`	integer	否	1	要生成的图像数量（1-4，对于超型号必须为1）
`aspect_ratio`	string	否	`1:1`	生成图像的纵横比（1:1、3:4、4:3、9:16、16:9）

模型

Image-4.0-Generate-001：质量和速度平衡的标准型号
image-4.0-fast-generate-001：生产速度更快，质量更好
Image-4.0-Ultra-Generate-001：最高质量，仅限单张图像（sample_count必须为1）

回应

返回一个文本响应，其中包含生成的PNG文件的路径：

Successfully generated 2 image(s):
1. /path/to/output/A_serene_mountain_landscape_at_sunset_1.png
2. /path/to/output/A_serene_mountain_landscape_at_sunset_2.png

示例用法

在Claude Desktop或其他MCP客户端中：

Generate an image of "A serene mountain landscape at sunset with a lake reflecting the sky" and save it to /tmp/images/

风格到形象

使用Imagen 3 Customization生成遵循参考图像样式的图像。

参数

参数	类型	必填	说明
`prompt`	string	是	要生成的图像内容的文本描述
`style_image_path`	string	是	样式参考图像文件的绝对路径
`style_description`	string	是	风格描述（例如，“水彩画风格”、“霓虹灯风格”和“马赛克风格”）
`output_dir`	string	是	应保存图像的目录的绝对路径
`sample_count`	integer	否	要生成的图像数量（1-4）。默认值：1

回应

返回一个文本响应，其中包含生成的样式化PNG文件的路径。

示例用法

Generate an image of "A cat sitting on a windowsill" in the style of the image at /path/to/watercolor.png (watercolor painting style) and save it to /tmp/images/

删除背景

使用rembg AI模型从图像中删除背景，生成具有透明背景的PNG。

参数

参数	类型	必填	说明
`input_path`	string	是	输入图像文件的绝对路径
`output_path`	string	否	保存输出图像的绝对路径。如果没有提供，将以“nobg_”前缀保存在同一目录中

回应

返回一个文本响应，其中包含透明背景的输出图像的路径：

Successfully removed background from image:
Output: /path/to/output/nobg_image.png

示例用法

Remove the background from /home/user/images/photo.png

或者使用自定义输出路径：

Remove the background from /home/user/images/photo.png and save it to /home/user/outputs/transparent.png

自动投运器

自动裁剪图像以删除透明或空白边框。支持单图像和批处理并行执行。

参数

参数	类型	必填	说明
`input_paths`	字符串数组	是	要裁剪的输入图像文件的绝对路径列表
`output_dir`	string	否	输出目录的绝对路径。如果没有提供，裁剪后的图像将与后缀为“_cropped”的输入文件保存在同一目录中
`padding`	integer	否	在裁剪内容周围添加作为填充的像素数。默认值：0
`overwrite`	boolean	否	是否覆盖现有的输出文件。默认值：True。如果False和输出文件存在，则操作将失败并出现错误

回应

返回一个文本响应，其中包含处理摘要和裁剪图像的路径：

Processed 3 image(s):
Successfully cropped: 3

Cropped images:
1. /output/dir/image1_cropped.png
2. /output/dir/image2_cropped.png
3. /output/dir/image3_cropped.png

如果任何图像无法处理，它们将单独列出：

Processed 3 image(s):
Successfully cropped: 2

Cropped images:
1. /output/dir/image1_cropped.png
2. /output/dir/image2_cropped.png

Failed: 1
- image3.png: Error: Image appears to be completely transparent or empty - cannot autocrop

特性

并行处理：同时处理多个图像以获得更好的性能
批量支持：在一次调用中处理多个图像
灵活的输出：保存到特定目录或使用默认位置
填充控制：如果需要，在裁剪内容周围添加填充
透明度意识：自动检测并裁剪不透明像素周围

示例用法

单幅图像：

Autocrop the image at /home/user/images/logo.png

具有输出目录的多个图像：

Autocrop these images: ["/home/user/images/logo1.png", "/home/user/images/logo2.png", "/home/user/images/logo3.png"] and save to /home/user/cropped/

带衬垫：

Autocrop /home/user/images/logo.png with 10 pixels of padding and save to /home/user/output/

禁用覆盖（防止覆盖）：

Autocrop /home/user/images/logo.png and save to /home/user/output/ with overwrite disabled

注意：默认情况下，该工具将覆盖现有的输出文件。集 overwrite=False 以防止意外覆盖并在输出文件已存在时引发错误。

发展

项目结构

mcp-imagen-server/
├── src/
│   └── mcp_imagen_server/
│       ├── __init__.py          # Package initialization
│       ├── imagen_client.py     # Imagen API client
│       └── server.py            # MCP server implementation
├── pyproject.toml               # Project configuration
├── README.md                    # This file
└── .python-version              # Python version

代码质量

该项目使用颈毛用于修剪和格式化：

# Check code
uv run ruff check src/

# Format code
uv run ruff format src/

# Auto-fix issues
uv run ruff check --fix src/

运行测试

# Run tests (when implemented)
uv run pytest

环境变量

变量	描述	必填	默认
`GOOGLE_API_KEY`	Gemini API的Google AI API密钥	适用于Gemini API	-
`USE_VERTEXAI`	设置为“true”以使用顶点AI	否	false
`GOOGLE_CLOUD_PROJECT`	GCP项目ID	顶点AI	-
`GOOGLE_CLOUD_LOCATION`	GCP地区	否	以美元为中心1

故障排除

身份验证问题

问题: DefaultCredentialsError 或身份验证失败

解决方案:

对于Gemini API：确保 GOOGLE_API_KEY 已设置
对于顶点AI：运行 gcloud auth application-default login
验证您的项目是否已启用Vertex AI API

权限不足

问题：无法写入输出目录

解决方案：确保指定 output_dir 存在并且可写，或者服务器有创建它的权限

型号不可用

问题：找不到模型或拒绝访问

解决方案:

验证您的Google Cloud项目是否可以访问Imagen模型
检查您是否使用了受支持的型号名称
对于超型号，请确保 sample_count=1

许可证

MIT许可证-有关详细信息，请参阅许可证文件

贡献

欢迎投稿！请随时提交拉取请求。

使用说明

MCP图像服务器

特性

先决条件

安装

1.克隆存储库

2.用uv安装

3.设置身份验证

选项A：使用Gemini API（建议快速启动）

选项B：使用Vertex AI（建议用于生产）

用法

运行服务器

与Claude Desktop集成

与其他MCP客户端集成

MCP工具

文本到图像

参数

模型

回应

示例用法

风格到形象

参数

回应

示例用法

删除背景

参数

回应

示例用法

自动投运器

参数

回应

特性

示例用法

发展

项目结构

代码质量

运行测试

环境变量

故障排除

身份验证问题

权限不足

型号不可用

许可证

贡献

参考文献

相关 MCP

AI图像视频生成MCP服务

Photoshop MCP 图像编辑服务

AI图像生成服务器

AI图像生成与编辑服务器

AI图像生成编辑服务器

ComfyUI图像生成服务器