使用说明
Gemini Gen MCP
MCP服务器，用于使用谷歌的Gemini AI模型生成Gemini图像和音频。
特性
此MCP服务器提供以下工具：
- 从文本生成图像 使用Gemini的Flash图像模型
- 从文本生成音频 使用Gemini 2.5 Flash预览TTS模型
安装
来自PyPI
pip install gemini-gen-mcp
来源
git clone https://github.com/ServiceStack/gemini-gen-mcp.git
cd gemini-gen-mcp
pip install -e .
先决条件
您需要一个Google Gemini API密钥才能使用此服务器。从以下位置获取一个 谷歌AI工作室.
环境变量
| 变量 | 必填 | 默认 | 描述 |
|---|---|---|---|
GEMINI_API_KEY |
是 | - | 您的Google Gemini API密钥 |
GEMINI_DOWNLOAD_PATH |
没有 | /tmp/gemini_gen_mcp |
保存生成文件的目录 |
设置环境变量：
export GEMINI_API_KEY='your-api-key-here'
export GEMINI_DOWNLOAD_PATH='/path/to/downloads' # optional
生成的文件按类型和日期组织：
- 图像：
$GEMINI_DOWNLOAD_PATH/images/YYYY-MM-DD/ - 音频：
$GEMINI_DOWNLOAD_PATH/audios/YYYY-MM-DD/
每个生成的文件都包含一个伴随文件 .info.json 包含生成元数据的文件。
用法
运行服务器
直接运行MCP服务器：
gemini-gen-mcp
或者作为Python模块：
python -m gemini_gen_mcp.server
与Claude Desktop一起使用
看 CLAUDE_CONFIG.md 详细说明。
将此添加到您的或 claude_desktop_config.json:
{
"mcpServers": {
"gemini-gen": {
"description": "Gemini Image and Audio TTS generation",
"command": "uvx",
"args": [
"gemini-gen-mcp"
],
"env": {
"GEMINI_API_KEY": "$GEMINI_API_KEY"
}
}
}
}
在llms.py中使用
或将服务器配置粘贴到 llms.py MCP服务器:
姓名： gemini-gen
{
"description": "Gemini Image and Audio TTS generation",
"command": "uvx",
"args": [
"gemini-gen-mcp"
],
"env": {
"GEMINI_API_KEY": "$GEMINI_API_KEY"
}
}
开发服务器
对于开发，您可以使用以下命令运行此服务器 uv:
{
"mcpServers": {
{
"command": "uv",
"args": [
"run",
"--directory",
"/path/to/ServiceStack/gemini-gen-mcp",
"gemini-gen-mcp"
],
"env": {
"GEMINI_API_KEY": "$GEMINI_API_KEY"
}
}
}
}
可用工具
text_to_image
使用Gemini的图像生成模型从文本描述生成图像。
参数：
prompt（string，必填）：要生成的图像的文本描述model（字符串，可选）：使用Gemini模型gemini-2.5-flash-image（默认）gemini-3-pro-image-preview
aspect_ratio（字符串，可选）：生成图像的纵横比（默认值：“1:1”）- 支持：
1:1,2:3,3:2,3:4,4:3,4:5,5:4,9:16,16:9,21:9
- 支持：
temperature（浮动，可选）：图像生成的采样温度（默认值：1.0）top_p（浮点数，可选）：Nucleus采样参数（可选）
例子：
{
"prompt": "A serene mountain landscape at sunset with a lake",
"model": "gemini-2.5-flash-image",
"aspect_ratio": "16:9",
"temperature": 1.0
}
text_to_audio
使用Gemini的TTS模型从文本生成音频/语音。输出保存为WAV格式。
参数：
text（字符串，必填）：要转换为语音的文本model（字符串，可选）：要使用的Gemini TTS模型gemini-2.5-flash-preview-tts（默认）gemini-2.5-pro-preview-tts
voice（字符串，可选）：用于语音生成的语音（默认值：“Kore”）
可用声音：
| 声音 | 风格 | 声音 | 风格 | 声音 | 风格 |
|---|---|---|---|---|---|
| Zephyr | 明亮 | Puck | 乐观 | Charon | 信息丰富 |
| Kore | 坚定 | Fenrir | 令人兴奋 | Leda | 年轻 |
| Orus | 坚定 | Aoede | 微风 | 卡利罗 | 随和 |
| Autonoe | 明亮 | 土卫二 | 透气 | 土卫八 | 清澈 |
| 雨伞 | 轻便 | 阿尔吉巴 | 光滑 | 绝望 | 光滑 |
| Erinome | Clear | Algenib | Gravelly | Rasalgethi | 资料性 |
| 拉俄墨迪亚 | 乐观 | Achernar | 软弱 | 阿尼拉姆 | 坚定 |
| Schedar | 偶数 | Gacrux | 成熟 | Pulcherrima | 前锋 |
| Achird | 友善 | Zubenelgenubi | 休闲 | Vindemiatrix | 温柔 |
| Sadachbia | 活泼 | Sadaltager | 知识渊博 | Sulafat | 温暖 |
例子：
{
"text": "Hello, this is a test of the Gemini text to speech system.",
"model": "gemini-2.5-flash-preview-tts",
"voice": "Kore"
}
发展
设置开发环境
# Clone the repository
git clone https://github.com/ServiceStack/gemini-gen-mcp.git
cd gemini-gen-mcp
# Install in editable mode with dependencies
pip install -e .
运行测试
# Install test dependencies
pip install pytest pytest-asyncio
# Run tests
```bash
# uv run pytest tests -v
npm test
许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
贡献
欢迎投稿！请随时提交拉取请求。
支持
有关问题和疑问，请使用 GitHub 问题 页面。
