使用说明
fal.ai MCP服务器
MCP(模型上下文协议)服务器,允许Claude访问 fal.ai 生成式人工智能模型——图像、视频、音频、3D模型等。
内置于 FastMCP。与克劳德代码和克劳德桌面兼容。
型号目录
图像生成(10个型号)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
flux-dev |
FLUX.1开发 | 高质量平衡生成 | ~0.025美元/张 |
flux-schnell |
FLUX.1 Schnell | 快速生成(4步) | ~0.003美元/张 |
flux-pro |
FLUX.1 Pro v1.1 | 最佳质量的FLUX型号 | ~0.05美元/张 |
flux-kontext |
FLUX Kontext Max | 上下文感知编辑,多图像输入 | ~0.08美元/图像 |
recraft-v4 |
重新起草V4 | 排版和设计导向 | ~0.04/张 |
nano-banana |
纳米香蕉 | 超快,超便宜 | ~0.001/张 |
nano-banana-2 |
Nano Banana 2 | Gemini 3.1 Flash——文本渲染,一致性 | ~0.08美元/张 |
nano-banana-pro |
Nano Banana Pro | Gemini 3 Pro——最先进的 | ~0.15美元/张 |
gpt-image |
GPT镜像1.5 | OpenAI——高保真度,快速依从性强 | ~0.13美元/镜像 |
gpt-image-2 |
GPT Image 2 | OpenAI——最新型号,精细排版,详细图像 | 基于代币,~0.10-0.30美元 |
seedream-v4 |
Seedream V4 | 字节跳动-高达4K分辨率 | 约0.03美元/张 |
图像编辑(4个型号)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
nano-banana-2-edit |
Nano Banana 2编辑 | Gemini 3.1 Flash——快速编辑、文本渲染 | ~0.08美元/编辑 |
nano-banana-pro-edit |
Nano Banana Pro编辑 | Gemini 3 Pro——语义编辑,14个参考图像 | ~0.15/编辑 |
gpt-image-edit |
GPT图像1.5编辑 | OpenAI——保留构图和照明 | ~0.13/编辑 |
gpt-image-2-edit |
GPT映像2编辑 | OpenAI——最新型号,支持 mask_url |
基于代币,约0.10-0.30美元 |
seedream-v4-edit |
Seedream V4编辑 | 字节跳动——上下文感知编辑 | ~0.03/编辑 |
视频生成(5款)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
kling-v3-pro |
Kling V3 Pro | 高质量文本/图像到视频 | 〜0.30美元/视频 |
sora-2-t2v |
Sora 2文本到视频 | OpenAI Sora文本到视频 | ~0.50美元/视频 |
sora-2-i2v |
Sora 2图像到视频 | OpenAI Sora图像到视频 | ~0.50美元/视频 |
ltx-2 |
LTX Video V2 | 快速、实惠的视频 | ~0.05美元/个视频 |
wan-v2 |
Wan 2.1 | 阿里巴巴的视频模型 | ~0.10美元/视频 |
音频生成(4种型号)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
chatterbox-tts |
Chatterbox TTS | 高质量文本转语音 | ~0.01美元/人 |
minimax-speech |
MiniMax语音02高清 | 高清多语音合成 | 约0.02美元/人 |
beatoven-music |
Beatoven音乐 | 来自文本的AI音乐 | ~0.05美元/人 |
beatoven-sfx |
Beatoven SFX | 音效 | 约0.03美元/人 |
3D生成(2个模型)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
meshy-v6 |
Meshy V6 | 图像到3D模型 | ~0.15美元/模型 |
trellis-2 |
格子2 | 快速将图像转换为具有纹理的3D | ~0.10美元/型号 |
实用新型(2款)
| 简称 | 型号 | 描述 | 价格 |
|---|---|---|---|
remove-bg |
背景去除 | 去除图像背景 | ~0.005美元/张 |
upscale |
Aura SR升级 | 4倍图像升级 | ~0.01美元/图像 |
可用工具
同步(块直到结果,最适合快速模型)
| 工具 | 说明 |
|---|---|
generate_image |
根据文本提示生成图像 |
edit_image |
编辑/转换现有图像 |
generate_video |
从文本和/或图像生成视频 |
generate_audio |
文本转语音、音乐和音效 |
generate_3d |
从图像生成3D模型 |
remove_background |
删除图像背景 |
upscale_image |
将图像升级到更高的分辨率 |
run_model |
使用自定义参数运行任何fal.ai模型 |
list_models |
列出目录中的所有可用型号 |
异步队列API(用于长时间运行的作业-视频、3D、大批量)
模型运行时,同步工具会阻塞。对于耗时超过MCP工具调用超时(约60 s)的模型,请改用队列API:立即提交返回,并使用 request_id,然后分别轮询和获取。
| 工具 | 说明 |
|---|---|
submit_job(model, arguments, media_type, prefix, webhook_url?) |
提交作业,返回 request_id 立即 |
poll_job(request_id, with_logs?) |
检查状态: IN_QUEUE (与 queue_position), IN_PROGRESS (带日志),或 COMPLETED |
fetch_job(request_id) |
一次 COMPLETED,获取结果并在本地下载文件 |
cancel_job(request_id) |
取消已排队或正在进行的作业 |
list_jobs(status_filter?, limit?) |
列出本地跟踪的作业(最近的作业排在第一位) |
公用事业
| 工具 | 说明 |
|---|---|
read_file_base64(path) |
读取本地文件并返回 {mime_type, size, data_url, base64}。可用于将下载的图像内联到无法加载的工件UI中 file:// 由于CSP。 |
作业元数据(request_id → model_id, media_type, prefix, status, files)坚持 jobs.json 旁边 server.py,所以 poll_job 和 fetch_job 只需要 request_id.
示例流程:
submit_job(model="kling-v3-pro", arguments={"prompt":"a fox jumping","duration":"5"}, media_type="video", prefix="fox")
→ {"request_id": "019dd...", "status": "SUBMITTED"}
poll_job("019dd...") → {"status": "IN_PROGRESS", ...}
poll_job("019dd...") → {"status": "COMPLETED"}
fetch_job("019dd...") → {"files": [{"local_path": "~/Downloads/fal-ai/videos/fox_..."}]}
安装
先决条件
- Python 3.10+
- A. fal.ai 具有API密钥的帐户
1.获取你的fal.ai API密钥
首选 fal.ai仪表板>按键 并创建API密钥。
2.设置服务器
git clone https://github.com/Szotasz/fal-ai-mcp-server.git
cd fal-ai-mcp-server
python -m venv .venv
source .venv/bin/activate # On Windows: .venv\Scripts\activate
pip install -r requirements.txt
3.设置API密钥
export FAL_KEY="your-api-key-here"
使用Claude代码
claude mcp add fal-ai \
-e FAL_KEY=your-api-key-here \
-- /path/to/fal-ai-mcp-server/.venv/bin/python /path/to/fal-ai-mcp-server/server.py
使用Claude Desktop
将此添加到您的 claude_desktop_config.json:
{
"mcpServers": {
"fal-ai": {
"command": "/path/to/fal-ai-mcp-server/.venv/bin/python",
"args": ["/path/to/fal-ai-mcp-server/server.py"],
"env": {
"FAL_KEY": "your-api-key-here"
}
}
}
}
替换 /path/to/fal-ai-mcp-server 使用克隆仓库的实际路径。
输出
生成的文件会自动下载到 ~/Downloads/fal-ai/ 按类型组织:
images/--生成和编辑的图像videos/--生成的视频audio/--语音、音乐和音效3d/--3D模型other/--其他一切
许可证
麻省理工学院