使用说明

通量图像生成器MCP代理

一个强大的AI代理，通过模型上下文协议（MCP）使用Flux模型生成图像。该项目将谷歌的ADK（代理开发工具包）与定制的MCP服务器集成在一起，通过对话界面提供图像生成功能。

🌟 概述

该项目演示了如何构建一个AI代理，该代理可以：

使用Flux-Schnell模型生成图像
管理生成的图像（列表、删除、获取信息）
通过对话界面与用户互动
利用MCP（模型上下文协议）进行工具集成

🏗️ 建筑

该项目由三个主要部分组成：

MCP服务器 (flux_server.py)-通过MCP显示图像生成工具
代理定义 (flux_agent/agent.py)-使用MCP工具集定义AI代理
跑者 (run_agents.py)-交互式CLI，用于与代理聊天

┌─────────────────┐
│   User Input    │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  run_agents.py  │  ◄── Interactive CLI
│   (Runner)      │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│   LlmAgent      │  ◄── Google ADK Agent
│  (Gemini 2.5)   │
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│  MCP Toolset    │  ◄── MCP Client
└────────┬────────┘
         │
         ▼
┌─────────────────┐
│ flux_server.py  │  ◄── MCP Server
│  (Flux Tools)   │
└─────────────────┘

📁 项目结构

mcp-test/
├── .env                    # Environment variables (GOOGLE_API_KEY)
├── requirements.txt        # Python dependencies
├── flux_server.py         # MCP server with Flux image generation tools
├── run_agents.py          # Interactive CLI runner
├── inspect_agent.py       # Utility to inspect LlmAgent attributes
├── flux_agent/
│   ├── agent.py           # Agent definition (root_agent)
│   └── .env               # Agent-specific environment variables
└── images/                # Generated images storage

🔧 组件

1.MCP服务器(`flux_server.py`)

MCP服务器提供四种工具：

generate_flux_image -使用Flux模型生成图像
- 参数：提示、宽度、高度、种子、随机化设置、num_inference_steps
- 返回：保存图像的文件路径
list_generated_images -列出所有生成的图像
- 返回：图像文件路径列表
delete_image -删除特定图像
- 参数：文件名
- 返回：确认消息
get_image_info -获取图像元数据
- 参数：文件名
- 返回：带宽度、高度、格式、模式、大小的字典

2.代理定义(`flux_agent/agent.py`)

定义 root_agent 使用：

模型：Gemini 2.5 Flash Lite
工具：MCP工具集已连接到flux_server.py
指令：指导代理解释用户请求并生成图像

3.跑步者(`run_agents.py`)

交互式CLI：

初始化代理和会话服务
在循环中处理用户输入
实时流式传输代理响应
处理会话管理

🚀 安装说明

先决条件

Python 3.8或更高版本
Google API密钥（适用于Gemini模型）

安装

克隆或导航到项目目录:

cd /Users/ashokrajkoribilli/Projects/mcp-test

安装依赖项:
```
pip install -r requirements.txt
```
设置环境变量:

创建一个 .env 使用您的Google API密钥在项目根目录中创建文件：
```
echo "GOOGLE_API_KEY=your_api_key_here" > .env
```
⚠️ 安全说明：电流 .env 文件包含一个公开的API密钥。用您自己的密钥替换它，并且永远不要将API密钥提交给版本控制。

📖 用法

运行交互代理

python run_agents.py

交互示例

示例1：生成图像

You: Generate an image of a sunset over mountains

Assistant: I've generated an image of a sunset over mountains. The image has been saved to: ./images/flux_20251204_113045.png

示例2：列出生成的图像

You: Show me all the images I've generated

Assistant: Here are all the images you've generated:
- ./images/flux_20251204_113045.png
- ./images/flux_20251203_091523.png

示例3：自定义尺寸

You: Create a wide landscape image of a futuristic city, 1024x512
Assistant: I'll create a wide landscape image of a futuristic city for you with dimensions 1024x512.

[Agent uses generate_flux_image with width=1024, height=512]

Image saved to: ./images/flux_20251204_113102.png

退出代理

类型 exit 或 quit 要停止交互会话，请按 Ctrl+C.

🔍 运作原理

MCP通信流程

用户输入：用户在CLI中键入请求
代理处理：LlmAgent（Gemini）处理请求
工具选择：代理决定使用MCP工具
MCP服务器调用：McpToolset通过stdio与flux_server.py通信
图像生成：Flux服务器使用Gradio客户端生成图像
回应：文件路径返回给代理，然后返回给用户

关键技术

谷歌ADK：用于构建AI代理的代理开发工具包
MCP（模型上下文协议）：工具集成协议
Gemini 2.5 Flash精简版：谷歌代理情报法学硕士
通量快速：快速图像生成模型
Gradio客户端：与Flux模型API的接口

📦 依赖项

该项目使用以下主要依赖项（来自 requirements.txt):

google-adk -谷歌代理开发工具包
modelcontextprotocol -MCP实施
gradio_client -基于Gradio模型的客户端
Pillow -图像处理库
anyio -异步I/O支持
python-dotenv -环境变量管理

🛠️ 故障排除

常见问题

1.“AttributeError:'LlmAgent'对象没有属性'run'”

解决方案：使用 Runner 类而不是直接调用代理
正确的图案如所示 run_agents.py

2.“未设置GOOGLE_API_KEY”

解决方案：创建一个 .env 使用您的Google API密钥文件
从以下位置获取API密钥：https://aistudio.google.com/app/apikey

3.“与MCP服务器的连接超时”

解决方案：增加超时时间 StdioConnectionParams （默认值：120秒）
检查 flux_server.py 在正确的路径上

4.“找不到模块”错误

解决方案：确保安装了所有依赖项：
```
pip install -r requirements.txt
```

5.图像生成速度慢

解决方案：减少 num_inference_steps （速度默认为4）
较低的值=生成速度更快，较高的值=质量更好

🔐 安全说明

永不承诺 .env 文件 使用API密钥进行版本控制
添加 .env 你的 .gitignore 文件
电流 .env 包含公开的API密钥-立即替换它
使用环境特定 .env 不同部署的文件

📝 其他文件

`inspect_agent.py`

用于检查的实用程序脚本 LlmAgent 类属性：

python inspect_agent.py

这有助于理解代理的可用方法和属性。

🚀 高级用法

独立运行MCP服务器

您可以独立运行MCP服务器进行测试：

python flux_server.py

服务器将以stdio模式启动并等待MCP协议消息。

自定义代理

编辑 flux_agent/agent.py 致：

更改模型（例如 gemini-2.0-pro)
修改代理指令
在工具集中添加/删除工具
调整工具过滤器

添加更多工具

要向MCP服务器添加更多工具，请执行以下操作：

在中定义新函数 flux_server.py
用 @mcp.tool()
将工具名称添加到 tool_filter 在 flux_agent/agent.py

📚 了解更多

📄 许可证

该项目用于教育和示范目的。

🤝 贡献

请随意分叉此项目，并将其适应您自己的用例！

使用Google ADK和MCP创建 🚀

助理：我生成了一张山上日落的图像。图像已保存到：。/图片/flux_20251204_113045.png


**Example 2: List generated images**

你：给我看看我生成的所有图像助理：以下是您生成的所有图像：

./images/flux_20251204_113045.png
./images/flux_20251203_091523.png


**Example 3: Custom dimensions**

你：创造一个未来城市的广阔景观图像，1024x512 助理：我将为您创建一个未来城市的宽景观图像，尺寸为1024x512。

图像保存到：。/图片/flux_20251204_113102.png


### Exiting the Agent

Type `exit` or `quit` to stop the interactive session, or press `Ctrl+C`.

## 🔍 How It Works

### MCP Communication Flow

1. **User Input**: User types a request in the CLI
2. **Agent Processing**: LlmAgent (Gemini) processes the request
3. **Tool Selection**: Agent decides to use MCP tools
4. **MCP Server Call**: McpToolset communicates with flux_server.py via stdio
5. **Image Generation**: Flux server generates image using Gradio Client
6. **Response**: File path is returned to agent, then to user

### Key Technologies

- **Google ADK**: Agent Development Kit for building AI agents
- **MCP (Model Context Protocol)**: Protocol for tool integration
- **Gemini 2.5 Flash Lite**: Google's LLM for agent intelligence
- **Flux Schnell**: Fast image generation model
- **Gradio Client**: Interface to Flux model API

## 📦 Dependencies

The project uses the following main dependencies (from `requirements.txt`):

- `google-adk` - Google Agent Development Kit
- `modelcontextprotocol` - MCP implementation
- `gradio_client` - Client for Gradio-based models
- `Pillow` - Image processing library
- `anyio` - Async I/O support
- `python-dotenv` - Environment variable management

## 🛠️ Troubleshooting

### Common Issues

**1. "AttributeError: 'LlmAgent' object has no attribute 'run'"**
- **Solution**: Use `Runner` class instead of calling agent directly
- The correct pattern is shown in `run_agents.py`

**2. "GOOGLE_API_KEY is not set"**
- **Solution**: Create a `.env` file with your Google API key
- Get your API key from: https://aistudio.google.com/app/apikey

**3. "Connection timeout to MCP server"**
- **Solution**: Increase timeout in `StdioConnectionParams` (default: 120s)
- Check that `flux_server.py` is in the correct path

**4. "Module not found" errors**
- **Solution**: Ensure all dependencies are installed:
  ```bash
  pip install -r requirements.txt

5.图像生成速度慢

解决方案：减少 num_inference_steps （速度默认为4）
较低的值=生成速度更快，较高的值=质量更好

🔐 安全说明

永不承诺 .env 文件 使用API密钥进行版本控制
添加 .env 你的 .gitignore 文件
电流 .env 包含公开的API密钥-立即替换它
使用环境特定 .env 不同部署的文件

📝 其他文件

`inspect_agent.py`

用于检查的实用程序脚本 LlmAgent 类属性：

python inspect_agent.py

这有助于理解代理的可用方法和属性。

🚀 高级用法

独立运行MCP服务器

您可以独立运行MCP服务器进行测试：

python flux_server.py

服务器将以stdio模式启动并等待MCP协议消息。

自定义代理

编辑 flux_agent/agent.py 致：

更改模型（例如 gemini-2.0-pro)
修改代理指令
在工具集中添加/删除工具
调整工具过滤器

添加更多工具

要向MCP服务器添加更多工具，请执行以下操作：

在中定义新函数 flux_server.py
用 @mcp.tool()
将工具名称添加到 tool_filter 在 flux_agent/agent.py

📚 了解更多

📄 许可证

该项目用于教育和示范目的。

🤝 贡献

请随意分叉此项目，并将其适应您自己的用例！

使用Google ADK和MCP创建 🚀

使用说明

通量图像生成器MCP代理

🌟 概述

🏗️ 建筑

📁 项目结构

🔧 组件

1.MCP服务器(flux_server.py)

2.代理定义(flux_agent/agent.py)

3.跑步者(run_agents.py)

🚀 安装说明

先决条件

安装

📖 用法

运行交互代理

交互示例

退出代理

🔍 运作原理

MCP通信流程

关键技术

📦 依赖项

🛠️ 故障排除

常见问题

🔐 安全说明

📝 其他文件

inspect_agent.py

🚀 高级用法

独立运行MCP服务器

自定义代理

添加更多工具

📚 了解更多

📄 许可证

🤝 贡献

🔐 安全说明

📝 其他文件

inspect_agent.py

🚀 高级用法

独立运行MCP服务器

自定义代理

添加更多工具

📚 了解更多

📄 许可证

🤝 贡献

相关 MCP

Blender 3D建模MCP服务

iOS模拟器交互服务器

网页抓取与搜索MCP服务器

B站视频搜索服务

Minecraft MCP服务器

SSH远程命令执行MCP服务器

1.MCP服务器(`flux_server.py`)

2.代理定义(`flux_agent/agent.py`)

3.跑步者(`run_agents.py`)

`inspect_agent.py`

`inspect_agent.py`