AI图像视频生成服务

一个基于Google Vertex AI的MCP服务器,提供AI驱动的图像和视频生成能力,支持多种参数配置和本地存储。

  • by ragna-ai
  • TypeScript
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 hopkins385/mcp-google-vertex

使用说明

MCP谷歌顶点AI服务器

模型上下文协议(MCP)服务器,使用Google Vertex AI的Imagen和Veo模型提供AI驱动的图像和视频生成功能。

特性

  • 🎨 图像生成:使用谷歌的Imagen模型创建AI图像
  • 🎬 视频生成:使用谷歌的Veo模型生成AI视频
  • 💾 本地存储:自动将生成的内容保存到本地服务器存储
  • 🔒 安全配置:API凭据的基于环境的配置
  • 🚀 Express v5:基于最新的Express框架构建
  • 📝 TypeScript:完全打字,以获得更好的开发人员体验
  • ♻️ 干燥原则:干净、可维护和可重用的代码架构

先决条件

  • Node.js 24.0.0或更高版本
  • 启用Vertex AI API的谷歌云项目
  • 具有适当权限的服务帐户凭据

MCP工具

生成图像

使用配置的Imagen模型生成AI图像(通过设置 VERTEX_AI_IMAGE_MODEL).

参数:

参数 类型 默认值 说明
prompt string 必填 要生成的图像的文本描述
numberOfImages 号码(1-8) 1 要生成的图像数量
aspectRatio 1:1 3:4 4:3
imageSize 1K 2K 2K
outputMimeType image/png image/jpeg image/png
negativePrompt string -- 图片中应避免的事项
guidanceScale 数字(1-20) -- 模型遵循提示的程度
seed number -- 可重复结果的随机种子
enhancePrompt 布尔值 false 生成前自动增强提示

例子:

{
  "name": "generate-image",
  "arguments": {
    "prompt": "A serene mountain landscape at sunset with a lake",
    "aspectRatio": "16:9",
    "numberOfImages": 2
  }
}

生成视频

使用配置的Veo模型生成AI视频(通过设置 VERTEX_AI_VIDEO_MODEL).

参数:

参数 类型 默认值 说明
prompt string 必填 要生成的视频的文本描述
numberOfVideos 编号(1-4) 1 要生成的视频数量
durationSeconds 数字(4-8) 8 剪辑长度(秒)(4、6或8)
aspectRatio 16:9 9:16 16:9
resolution 720p 1080p 4K
seed number -- 可重复结果的随机种子
negativePrompt string -- 视频中应避免的事项
enhancePrompt 布尔值 true 生成前自动增强提示
generateAudio 布尔值 false 在视频旁边生成音频
lastFrame string -- 用作最后一帧的图像(图像到视频)
referenceImages array -- 参考图像以指导生成(见下文)

参考图像 (提供本地文件路径、云存储URI或公共URL):

  • 本地文件路径: /path/to/image.png
  • 云存储URI: gs://my-bucket/image.jpg
  • 公共URL: https://cdn.example.com/image.jpg

支持的格式:JPEG、PNG。最大大小:10 MB。

referenceImages 最多支持3个 ASSET 图片或1 STYLE 图像。

示例——文本到视频:

{
  "name": "generate-video",
  "arguments": {
    "prompt": "A butterfly flying through a garden of flowers",
    "durationSeconds": 8,
    "aspectRatio": "16:9",
    "resolution": "1080p"
  }
}

示例——图像参考:

{
  "name": "generate-video",
  "arguments": {
    "prompt": "The product spinning on a white background",
    "referenceImages": [
      {
        "image": "/path/to/product.png",
        "referenceType": "ASSET"
      }
    ]
  }
}

连接到MCP客户端

克劳德桌面版

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "google-vertex": {
      "command": "npx",
      "args": ["mcp-remote", "http://localhost:3005/mcp"]
    }
  }
}

VS代码

添加到您的 .vscode/mcp.json:

{
  "servers": {
    "google-vertex": {
      "type": "http",
      "url": "http://localhost:3005/mcp"
    }
  }
}

MCP检查员

使用MCP检查器测试您的服务器:

npx @modelcontextprotocol/inspector

然后连接到: http://localhost:3005/mcp

建筑

服务器遵循干净的架构原则,关注点分离:

  • 配置层:环境变量管理和验证
  • 服务层:Vertex AI集成和存储管理
  • 工具层:共享实用程序(例如参考图像分辨率)
  • 服务器层:MCP协议实施和Express服务器设置

错误处理

服务器包括全面的错误处理:

  • 对工具调用的优雅错误响应
  • 用于故障排除的详细错误消息
  • 正确的HTTP状态代码

性能提示

  • 为您的用例使用适当的纵横比和分辨率
  • 监控Vertex AI配额和计费
  • 考虑在高流量场景中实现请求排队

许可证

麻省理工学院

致谢