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
- 与 模型上下文协议SDK
- 由...驱动 Google Vertex AI
- 用途 Express v5