使用说明

FLUX MCP服务器和命令行界面

一种模型上下文协议（MCP）服务器和命令行工具，用于使用FLUX.1-dev和FLUX.2-dev生成高质量图像。在NVIDIA GPU（CUDA）、AMD GPU（ROCm）和Apple Silicon（MPS）上运行。

特性

🎨 双模型支持 -FLUX.1-dev（质量更快，CUDA上4-8min）和FLUX.2-dev（最大质量，CUDA下30-40min）
🔴 AMD GPU支持 -在ROCm（RX 6000/7000系列和推荐的RDNA2+）上运行，VRAM层与CUDA相同
🍎 苹果硅技术支持 -在MPS（M1/M2/M3/M4）上运行，自动使用FLUX.1-dev作为默认值
⚡ 智能内存管理 -根据可用VRAM（CUDA）或统一内存（MPS）自动选择最佳策略
🔄 自动卸载 -在可配置的非活动期（MCP模式）后自动卸载模型
💾 内存效率高 -16GB CUDA GPU的顺序CPU卸载，24GB的全GPU模式+
🎲 可复现的 -基于种子的生成可获得一致的结果
📊 状态监测 -检查型号状态和内存使用情况
🔧 运行时配置 -调整超时和切换型号，无需重新启动
🖥️ 双接口 -通过MCP兼容的应用程序或命令行（CLI）使用
🖼️ 预览工具 -背景生成完成后，按ID检索生成的图像

需求

NVIDIA GPU（Linux/Windows）

Python 3.10+
配备12GB+VRAM的NVIDIA GPU（建议使用16GB，最高速度为24GB+）
CUDA工具包已安装
支持CUDA的PyTorch

AMD GPU/ROCm（Linux）

Python 3.10+
支持ROCm的AMD GPU（建议使用RDNA2+/RX 6000系列或更高版本），12GB+VRAM
已安装ROCm工具包（5.7+）
支持ROCm的PyTorch（参见 AMD/ROCm安装在......下面

苹果硅（macOS）

Python 3.10+
配备Apple Silicon（M1或更高版本）的Mac，16GB+统一内存
PyTorch 2.4+（标准PyPI轮，无需CUDA）
使用Mac附加功能安装： uv sync --extra mac

快速开始

在几分钟内开始使用FLUX MCP：

# 1. Install dependencies (using UV - recommended)
uv sync

# 2. Configure environment
cp .env.example .env
# Edit .env to set FLUX_OUTPUT_DIR and other preferences

# 3. Add to your MCP client config (example for Claude Desktop)
# Add to ~/.config/Claude/claude_desktop_config.json (Linux)
# See "MCP Configuration" section below for full details

# 4. Generate your first image (CLI mode)
flux generate "a beautiful sunset over mountains"

# Or use via MCP client (e.g., Claude Desktop)
# Just ask: "Generate an image of a beautiful sunset over mountains"

有关详细的设置和配置，请参阅以下部分。

MCP配置

将服务器添加到MCP客户端配置中。以下是Claude Desktop的示例：

Claude Desktop配置文件位置：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
视窗: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "flux": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/flux-mcp",
        "run",
        "flux-mcp"
      ]
    }
  }
}

安全说明：保持 FLUX_OUTPUT_DIR 以及中的其他设置 .env，未内联到MCP客户端配置中。这 .env 文件在启动时自动加载。

或者，如果使用pip全局安装：

{
  "mcpServers": {
    "flux": {
      "command": "python",
      "args": [
        "-m",
        "flux_mcp.server"
      ]
    }
  }
}

添加配置后，重新启动MCP客户端（例如Claude Desktop）。

可用的MCP工具

当将此服务器与任何兼容MCP的客户端一起使用时，可以使用以下工具。以下示例展示了Claude Desktop的使用方法。

关于FLUX.2-dev超时的说明：MCP客户端对工具调用强制超时（通常为1-5分钟）。FLUX.2-dev在16GB GPU上需要30-40分钟，远远超过任何MCP超时时间。服务器处于非阻塞状态：客户端超时后，生成将在后台继续。使用 get_preview 与返回 image_id 在准备就绪时检索结果。看已知行为：MCP超时了解全部细节。

1. `generate_image`

使用FLUX.1-dev（快速）或FLUX.2-dev（质量）从文本提示生成图像。

参数：

prompt （必填）：图像的文字描述
model （可选）：“flux1 dev”（更快的质量，40步）或“flux2 dev””（最高质量，50步，默认）
steps （可选）：推理步骤数（自动：FLUX.1=40，FLUX.2=50，范围：20-100）
guidance_scale （可选）：制导比例（默认值：两种型号均为7.5，范围：1.0-10.0）
width （可选）：图像宽度（像素）（默认值：1024，范围：256-2048）
height （可选）：图像高度（像素）（默认值：1024，范围：256-2048）
seed （可选）：用于再现性的随机种子（如果没有提供，则随机）

退货： 文件路径、种子、生成设置、内联缩略图预览和 image_id 你可以通过 get_preview 稍后。

示例用法（MCP客户端的自然语言）：

Generate a high quality image with flux1-dev of a futuristic cyberpunk city at sunset with neon lights

Generate maximum quality image with flux2-dev and seed 42 of a serene mountain landscape

2. `get_preview`

检索生成图像的预览（缩略图）。在FLUX.2-dev后台生成MCP客户端超时后特别有用。

参数：

image_id （可选）：返回的图像ID generate_image （例如。 20250126_143052_42).省略以获取最后生成的图像。

退货： 内联缩略图和全尺寸图像路径。

示例用法：

Get the preview for image 20250126_143052_42

Show me the last generated image

3. `get_status`

检查FLUX发生器的当前状态。

退货：

模型负载状态
自动卸载前的剩余时间
当前VRAM使用情况
上次访问时间

示例用法：

Check the FLUX model status

4. `unload_model`

立即从GPU内存中卸载FLUX模型。

示例用法：

Unload the FLUX model to free up VRAM

5. `set_timeout`

更改运行时的自动卸载超时。

参数：

timeout_seconds （必填）：新超时时间（秒）（0表示禁用）

示例用法：

Set FLUX auto-unload timeout to 600 seconds

Disable FLUX auto-unload

CLI使用情况

除了MCP服务器模式外，您还可以直接从命令行使用FLUX 完全离线和私密 图像生成。

快速开始

# Basic usage
flux generate "a beautiful sunset over mountains"

# With custom parameters
flux generate "portrait of a cat" --steps 35 --guidance 4.0 --seed 42

# Interactive mode for batch generation
flux generate --interactive

# Check system status
flux status

# View configuration
flux config

# Open output directory
flux open-output

生成命令

图像生成的主要命令：

flux generate [OPTIONS] PROMPT

选项：

--steps, -s INTEGER -推理步骤数（默认值：CUDA为50，MPS为40）
--guidance, -g FLOAT -引导比例（默认值：7.5）
--width, -w INTEGER -图像宽度（像素），必须是8的倍数（默认值：1024）
--height, -h INTEGER -图像高度（像素），必须是8的倍数（默认值：1024）
--seed INTEGER -随机种子可重复性
--output, -o PATH -自定义输出路径（默认：自动生成）
--output-dir PATH -覆盖输出目录
--interactive, -i -交互模式
--fast, -f -使用FLUX.1-dev快速生成（无需环境变量）
--verbose, -v -包含调试信息的详细输出

示例：

# Simple generation
flux generate "a cozy cabin in snowy mountains"

# High quality with more steps
flux generate "professional portrait" --steps 40 --guidance 7.5

# Custom resolution
flux generate "wide landscape" --width 1536 --height 1024

# Reproducible generation
flux generate "cute robot" --seed 42

# Fast generation with FLUX.1-dev
flux generate "sunset" --fast

# Save to specific location
flux generate "sunset" --output ~/Pictures/my-sunset.png

# Interactive mode (best for multiple images)
flux generate --interactive

交互模式

交互模式允许您在不重新加载模型的情况下生成多个图像：

flux generate --interactive

交互式工作流程：

输入您的提示
配置参数（步骤、指导、尺寸、种子）
图像生成并保存
选择生成另一个或退出
模型在几代之间保持加载状态，以获得更快的后续图像

其他命令

状态命令：

flux status

显示：

模型信息
输出目录
CUDA可用性
GPU名称和VRAM使用情况
模型缓存位置

配置命令：

flux config

显示环境变量中的当前配置。

打开输出：

flux open-output

在文件管理器中打开输出目录（Linux:xdg-open，macOS：open，Windows:explorer）。

输出文件

生成的图像与嵌入的元数据一起保存：

图片： YYYYMMDD_HHMMSS_SEED.png
缩略图： YYYYMMDD_HHMMSS_SEED_thumb.png （512x512预览）

所有生成参数都直接嵌入PNG元数据中。您可以使用以下工具查看它们 exiftool:

exiftool image.png

嵌入式元数据包括：

Prompt：使用的文本提示
Seed：随机种子可重复性
Steps：推理步骤数
Guidance Scale：指导标度值
Width / Height：图像尺寸
Model：使用FLUX模型
Generation Time Seconds：一代人花了多长时间
Timestamp：创建图像时

CLI与MCP服务器

CLI模式：

✓ 完全离线和私有（不需要MCP客户端）
✓ 从终端直接控制
✓ 交互式批量生成
✓ 无自动卸载（生成后进程终止）
✓ 生成缩略图以快速预览
✓ 带有进度条的丰富终端用户界面
✓ 长FLUX.2-dev世代没有超时限制

MCP服务器模式：

✓ 与MCP兼容的应用程序（如Claude Desktop）集成
✓ 自然语言界面
✓ 超时后自动卸载（省电）
✓ 持久后台进程
✓ 从对话式AI界面访问
✓ 通过预览检索 get_preview 背景生成后

这两种模式共享相同的配置、模型缓存和输出目录。

配置

编辑 .env 自定义（复制自 .env.example):

# Auto-unload timeout in seconds (default: 300 = 5 minutes)
FLUX_UNLOAD_TIMEOUT=300

# Output directory for generated images
FLUX_OUTPUT_DIR=/path/to/flux_output

# Optional: Custom HuggingFace cache directory
# FLUX_MODEL_CACHE=/path/to/cache

# Model selection (choose default model)
# FLUX_MODEL_ID=black-forest-labs/FLUX.1-dev   # Faster quality (4-8 min, 40 steps default)
# FLUX_MODEL_ID=black-forest-labs/FLUX.2-dev   # Maximum quality (default, 30-40 min, 50 steps)

# Default generation parameters (model-specific smart defaults apply automatically)
# FLUX_DEFAULT_STEPS=50        # Override auto defaults: FLUX.1-dev=40, FLUX.2-dev=50
# FLUX_DEFAULT_GUIDANCE=7.5    # Both models use 7.5 for optimal quality

环境变量参考

变量	默认值	描述
`FLUX_UNLOAD_TIMEOUT`	`300`	自动卸载超时（秒）（0=禁用）
`FLUX_OUTPUT_DIR`	`~/flux_output`	生成图像的目录
`FLUX_MODEL_CACHE`	（HuggingFace默认值）	自定义模型缓存目录
`FLUX_MODEL_ID`	`black-forest-labs/FLUX.2-dev`	默认型号
`FLUX_DEFAULT_STEPS`	`50`	覆盖推理步骤（如果未设置，则应用模型默认值）
`FLUX_DEFAULT_GUIDANCE`	`7.5`	引导尺度

高级配置

自定义模型缓存 （跨项目共享或节省空间）：

# In .env
FLUX_MODEL_CACHE=/mnt/data/huggingface/cache

禁用自动卸载 （保持模型永久加载）：

# In .env
FLUX_UNLOAD_TIMEOUT=0

或者在运行时：

Set FLUX timeout to 0

日志记录 （捕获服务器日志）：

{
  "mcpServers": {
    "flux": {
      "command": "sh",
      "args": [
        "-c",
        "cd /path/to/flux-mcp && uv run flux-mcp 2>> /tmp/flux-mcp.log"
      ]
    }
  }
}

安装

克隆存储库 （或导航到项目目录）：

cd /path/to/flux-mcp

使用UV进行安装 （推荐）：

uv sync

或者用pip安装：

pip install -e .

配置环境变量:

cp .env.example .env
# Edit .env with your preferred settings

运作原理

智能VRAM检测

在模型加载时，服务器：

检测总VRAM 可在GPU上使用
选择最佳模式 自动：
- 24GB+：全GPU模式（所有组件都留在GPU上，两种型号都最快）
- 20-24GB：CPU卸载模式模型（平衡，根据需要在CPU/GPU之间移动组件）
- 12-20GB：顺序CPU卸载模式（稳定，速度较慢，但适合16GB VRAM）
记录决策 所以你知道哪个模式是活动的

顺序CPU卸载 在不使用时将整个模型组件（文本编码器、转换器、VAE）移动到CPU。这是有限VRAM系统最稳定的方法，可与FLUX.1-dev和FLUX.2-dev可靠地配合使用。

对于VRAM小于24GB的GPU，服务器还启用：

高效记忆注意力 （xFormers或PyTorch SDPA）
bfloat16精度 与float32相比，VRAM节省了约50%

这些优化允许两种型号在12-16GB VRAM上运行。备注：由于稳定性问题，CUDA流的实验组卸载已被删除——推荐的稳定配置是顺序CPU卸载。

自动卸载机制

延迟加载：服务器启动时未加载模型
按需加载：根据第一代请求自动加载模型
定时器复位：每一代都会重置自动卸载计时器
自动清理：在配置的超时后没有活动：
- 模型已从内存中删除
- GPU缓存已清除(torch.cuda.empty_cache())
- Python垃圾回收运行
无缝重载：模型在下次请求时自动重新加载

内存管理

服务器使用多种策略来优化VRAM：

智能模式选择 基于检测到的VRAM（24GB+：全GPU，20-24GB：模型CPU卸载，<20GB：顺序CPU卸载）
bfloat16精度 代替float32（节省约50%的VRAM）
顺序CPU卸载 适用于小于20GB的GPU（稳定，空闲时将整个模型组件移动到CPU）
高效记忆注意力 （xFormers或PyTorch SDPA可减少内存使用）
TF32加速 在Ampere+GPU上实现更快的矩阵运算
显式缓存清除 卸货时
线程用于非阻塞自动卸载
基于锁的同步 用于线程安全操作
动态模型切换 -可以在FLUX.1-dev和FLUX.2-dev之间切换，而无需重新启动

输出文件

生成的图像保存为：

{FLUX_OUTPUT_DIR}/{timestamp}_{seed}.png

例子： 20250126_143052_42.png

性能提示

模型比较

这两种模型都针对以下方面进行了优化 高质量的 输出测试参数：

型号	速度（16GB GPU）	速度（24GB+GPU）	质量	默认步长	默认引导
FLUX.1-dev	4-8分钟	1-2分钟	优秀	40	7.5
FLUX.2-dev	30-40分钟	2-4分钟	最大	50	7.5

何时使用哪个：

FLUX.1-dev：当你需要高质量时，更快（~4-8分钟），批量生成，迭代想法
FLUX.2-dev：当你需要绝对的最高质量时，时间并不重要（~30-40分钟）

VRAM模式（自动选择）：

24GB+ -全GPU模式（最快，两种型号都<5分钟）
16-24GB -CPU卸载模式（平衡）
12-16GB -顺序CPU卸载模式（较慢，建议使用FLUX.1-dev）

GPU VRAM的最佳设置

RTX 4090/A6000（24GB+）

决心：舒适度高达1536x1536
模式：全GPU（自动）
FLUX.1-dev：约1-2分钟（40步，质量）
FLUX.2-dev：约2-4分钟（50步，最高质量）
指导：7.5（两种型号）

RTX 4070钛超级/3090（16GB-24GB）

决心：舒适度高达1024x1024
模式：顺序CPU卸载（16GB自动）
FLUX.1-dev：~4-8分钟（40步，质量）← 推荐用于更快的工作流程
FLUX.2-dev：约30-40分钟（50步，最高质量）
指导：7.5（两种型号）

RTX 3060/4060 Ti（12GB-16GB）

决心：1024x1024（FLUX.1）或768x768（出于安全考虑，FLUX.2）
模式：顺序CPU卸载（自动）
FLUX.1-dev：~6-10分钟（40步）← 强烈推荐
FLUX.2-dev：约40-50分钟（50步）或减少到768x768
小贴士：使用FLUX.1-dev在较低的VRAM上实现更好的速度/质量平衡

所有GPU：

引导尺度：7.5（适用于两种型号）
批量大小：1（型号不支持批处理）
超时：300秒用于偶尔使用，600秒用于活动会话

发电时间预期

全GPU模式（24GB+VRAM）：

FLUX.1-dev （40步）：1024x1024约1-2分钟
FLUX.2-dev （50步）：1024x1024约2-4分钟
第一代：模型加载时间+15-30秒

顺序CPU卸载（16GB VRAM-RTX 4070 Ti Super）：

FLUX.1-dev （40步）：1024x1024约4-8分钟← 推荐
FLUX.2-dev （50步）：1024x1024约30-40分钟
第一代：模型加载时间增加2-3秒
优化：使用FLUX.1-dev，发电速度提高5-8倍，质量卓越

已知行为：FLUX.2-dev发电期间的MCP超时

使用时 generate_image 和 flux2-dev 通过MCP客户端（例如Claude Desktop、Claude Code），客户端可能会在生成过程中报告超时错误。 这是意料之中的，也是正常的——这不是服务器错误。

为什么发生超时

MCP客户端在工具调用时强制客户端超时，通常在1-5分钟的范围内。在16GB GPU上生成FLUX.2-dev需要30-40分钟，远远超过了任何标准的MCP客户端超时时间。服务器本身不会超时，只有客户端等待响应才会超时。

这 generate_image 工具描述明确地通知LLM此行为，因此它不会将超时视为失败，也不会不必要地重试。

实际发生了什么

MCP客户端发送 generate_image 向服务器发出请求
服务器在后台线程中启动生成并立即返回（非阻塞）
客户端超时在1-5分钟后触发——客户端显示错误
生成继续在后台运行 --服务器进程不受影响
生成完成后（30-40分钟后），图像会自动保存到配置的输出目录中

超时后检索结果

使用 get_preview 工具与 image_id 如图所示 generate_image 输出（或省略 image_id 获取最后生成的图像）：

Get the preview for image 20250126_143052_42

或者直接查看输出目录：

# Watch for new files appearing
watch -n 10 ls -lht ~/flux_output | head

# Or list files sorted by modification time
ls -lht ~/flux_output | head

如何验证生成仍在运行

# Check GPU utilization — should show ~100% during generation
watch -n 2 nvidia-smi

# Check CPU and process activity
htop

如果 nvidia-smi 显示GPU利用率接近100%，生成正在积极运行。

为后代推荐的替代品

使用FLUX.1-dev (flux1-dev)--在16GB GPU上4-8分钟内完成，完全在MCP超时限制内，并产生卓越的质量
使用CLI模式 --完全没有超时限制：
```
flux generate "your prompt" --model flux2-dev
```
CLI同步运行生成并显示进度条。

故障排除

CUDA内存不足

问题：生成过程中出错：“CUDA内存不足”

备注：服务器自动检测可用VRAM并选择最佳模式：

24GB+：全GPU（最快）
16GB：CPU卸载模型（平衡）
12GB+：降低分辨率的CPU卸载模型

如果仍然出现OOM错误：

关闭其他GPU应用程序:
```
# Check what's using VRAM
nvidia-smi
```

减小图像尺寸:

flux generate "prompt" --width 768 --height 768
# Or even smaller for 12GB cards
flux generate "prompt" --width 512 --height 512

减少推理步骤 （对内存的影响最小）：
```
flux generate "prompt" --steps 28  # Default is 50
```

检查日志 查看选择了哪种模式：

# Look for "Using full GPU mode" or "Using model CPU offload"
tail -f /tmp/flux-mcp.log

重新启动进程 如果VRAM未完全释放：

# CLI: Just run again (process exits after generation)
# MCP: Restart your MCP client

模型下载问题

问题：模型下载失败或超时

解决方案:

检查互联网连接
设置具有更多空间的自定义缓存目录：
```
FLUX_MODEL_CACHE=/path/to/large/disk/cache
```

使用HuggingFace CLI手动下载：

huggingface-cli download black-forest-labs/FLUX.2-dev

服务器无响应

问题：MCP客户端看不到工具

解决方案:

检查MCP客户端的日志是否有错误
验证配置路径是否为绝对路径
确保UV在PATH中或使用UV二进制文件的完整路径
配置更改后重新启动MCP客户端
手动测试服务器：
```
cd /path/to/flux-mcp
uv run flux-mcp
```

AMD/ROCm安装

ROCm支持通过PyTorch的ROCm构建工作，该构建通过标准CUDA API公开自己-不需要更改代码。唯一的要求是在运行前安装启用ROCm的PyTorch轮 uv sync.

步骤1：安装ROCm PyTorch （替换 rocm6.2 使用您安装的ROCm版本）：

pip install torch torchvision --index-url https://download.pytorch.org/whl/rocm6.2

步骤2：安装剩余的依赖项:

uv sync --extra rocm

验证是否检测到ROCm:

python -c "import torch; print(torch.cuda.is_available(), torch.version.hip)"
# Should print: True  <rocm-version>

检查AMD上的GPU活动:

rocm-smi

备注:

建议ROCm 5.7+；早期版本的bfloat16可能存在稳定性问题
xFormers通常在ROCm上不可用——服务器会自动回退到PyTorch SDPA
TF32是NVIDIA独有的功能，在ROCm上会自动跳过
随机种子生成使用ROCm上的CPU生成器（与MPS相同）以实现兼容性
VRAM层选择（全GPU/模型卸载/顺序卸载）与CUDA的工作原理相同

苹果硅（MPS）

设置：安装Mac附加功能以获得 psutil 对于统一内存报告：

uv sync --extra mac

Mac上的默认型号：FLUX.1-dev（自动选择-FLUX.2-dev需要比大多数Mac与macOS一起使用的统一内存更多的内存）。

Mac内存不足：运行 sudo purge 在其他繁重的进程后释放RAM，然后以较低的分辨率重试：

flux generate "prompt" --width 768 --height 768

检查Mac上的GPU活动:

sudo powermetrics --samplers gpu_power -n 1 2>/dev/null | grep "GPU HW active residency"

慢世代

问题：图像生成时间过长

解决方案:

减少 steps 参数（尝试20-25，而不是28）
确保正在使用GPU（CUDA： nvidia-smi，MPS：见上文）
关闭后台应用程序以释放GPU/RAM资源
检查CUDA是否已正确安装（Linux/Windows）

MCP超时假阳性

问题：MCP客户端在长FLUX.2-dev生成过程中显示错误，但图像仍然成功生成

解决方案：使用 get_preview 在预期的生成时间之后检索结果。看已知行为：MCP超时了解全部细节。

权限错误

问题：无法写入输出目录

解决方案:

在中设置其他输出目录 .env:

FLUX_OUTPUT_DIR=/home/$USER/flux_output

手动创建目录：

mkdir -p ~/flux_output
chmod 755 ~/flux_output

建筑

flux-mcp/
├── src/flux_mcp/
│   ├── __init__.py       # Package metadata
│   ├── config.py         # Environment configuration (shared)
│   ├── generator.py      # FluxGenerator class (shared)
│   ├── server.py         # MCP server (tool handlers)
│   └── cli.py            # CLI tool
├── pyproject.toml        # Project dependencies
├── .env                  # Local configuration (gitignored)
└── README.md            # This file

关键组件

Flux发生器：管理模型生命周期、线程和设备内存——自动检测CUDA/MPS/CPU（在CLI和MCP之间共享）
配置：加载环境变量并提供默认值（共享）
MCP服务器：通过模型上下文协议为MCP兼容客户端公开工具
CLI工具：用于离线使用的直接命令行界面

线程安全

发电机使用螺纹锁(threading.Lock)以确保：

一次只有一代人
安全模型装载/卸载
无比赛条件，自动卸载定时器

许可证

MIT许可证-有关详细信息，请参阅许可证文件

贡献

欢迎投稿！拜托：

分叉存储库
创建要素分支
进行更改
提交拉取请求

支持

对于问题和疑问：

检查上面的故障排除部分
查看服务器日志中的错误
在GitHub上打开一个问题

更新日志

v1.2.0版本（2026-03-12）

新功能

✨ 添加 get_preview MCP工具——检索上次生成的图像（或通过 image_id)背景FLUX.2-dev生成完成后作为内联缩略图
✨ generate_image 现在回来了 image_id 供以后参考 get_preview
📚 操作员优先流程的重构README：CLI之前的MCP配置和工具以及安装细节

v1.1.0（2025-12-07）

改进和修复

✨ 添加 --fast / -f 标记为CLI，以便在没有环境变量的情况下快速生成FLUX.1-dev
🐛 修复了管道类选择-FLUX.1-dev现在可以正确使用FluxPipeline（导致标记器错误）
📚 为长FLUX.2-dev代添加了MCP超时警告文档

v1.0.0（2025-11-29）

稳定版

✨ 双模型支持：FLUX.1-dev（更快）和FLUX.2-dev（最高质量）
✨ 模型特定的质量默认值（FLUX.1=40步，FLUX.2=50步，均在7.5指导下）
✨ 12-24GB GPU的智能VRAM优化，具有自动模式选择功能
✨ 具有交互模式和缩略图生成的CLI工具
✨ 具有自动卸载和进度报告功能的MCP服务器
✨ 在PNG中嵌入干净的元数据（单个字段，没有JSON blob）
✨ 快速预览缩略图生成（512x512）
🐛 修复了PNG文件中的重复元数据
🐛 修复了PyTorch检查点文件的.gitignore
📚 包含使用示例的全面文档

v0.1.0（2025-01-26）

初始开发版本
FLUX.2-dev集成
自动卸载功能（MCP模式）
四个MCP工具（生成、卸载、状态、设置超时）
具有交互模式的CLI工具(flux 命令）
CLI和MCP服务器之间的共享架构

使用说明

FLUX MCP服务器和命令行界面

特性

需求

NVIDIA GPU（Linux/Windows）

AMD GPU/ROCm（Linux）

苹果硅（macOS）

快速开始

MCP配置

可用的MCP工具

1. generate_image

2. get_preview

3. get_status

4. unload_model

5. set_timeout

CLI使用情况

快速开始

生成命令

交互模式

其他命令

输出文件

CLI与MCP服务器

配置

环境变量参考

高级配置

安装

运作原理

智能VRAM检测

自动卸载机制

内存管理

输出文件

性能提示

模型比较

GPU VRAM的最佳设置

发电时间预期

已知行为：FLUX.2-dev发电期间的MCP超时

为什么发生超时

实际发生了什么

超时后检索结果

如何验证生成仍在运行

为后代推荐的替代品

故障排除

CUDA内存不足

模型下载问题

服务器无响应

AMD/ROCm安装

苹果硅（MPS）

慢世代

MCP超时假阳性

权限错误

建筑

关键组件

线程安全

许可证

贡献

支持

更新日志

v1.2.0版本（2026-03-12）

v1.1.0（2025-12-07）

v1.0.0（2025-11-29）

v0.1.0（2025-01-26）

相关 MCP

多模态生成API服务

图像生成服务

Hugging Face MCP服务器

LLM增强工具包

图像生成服务器

图像生成API集成

1. `generate_image`

2. `get_preview`

3. `get_status`

4. `unload_model`

5. `set_timeout`