Token导航 LogoToken导航TokenDH.com
中转站排行榜
Fal MCP Ts logo
运维云端未说明官方级别未说明来源级核验

Fal MCP Ts

MCP Server

fal.ai MCP Server是一个用于与fal.ai模型和服务交互的服务器，支持模型发现、搜索、内容生成、定价信息获取等功能，适用于AI开发者和内容创作者。

工具数

13

提示词数

0

GitHub Stars

0

资源数

0
JavaScriptClaude模型管理Claude DesktopClaudeCursor

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

作者 / 组织

derekalia

提供方

derekalia

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

详细介绍

fal.ai MCP服务器

一种用于交互的模型上下文协议（MCP）服务器 fal.ai 模型和服务。该服务器使Claude Desktop和其他MCP客户端能够使用fal.ai强大的ai模型发现、搜索和生成内容。

特性

  • 模型发现：使用平台API v1列出并搜索fal.ai的模型库
  • 高级搜索：按类别、状态等过滤的免费文本搜索
  • 模型查找：使用可选的架构扩展按端点ID查找特定模型
  • 定价信息：获取模型的实时定价（基于输出或基于GPU）
  • 成本估算：使用历史API定价或单位定价估算成本
  • 使用情况跟踪：使用时间序列数据获取详细的计费使用记录
  • 分析：跟踪请求计数、延迟统计和成功/错误率
  • 架构检查：通过内联OpenAPI扩展获取详细的输入/输出模式
  • 内容生成：使用AI模型生成图像、视频和其他内容
  • 队列管理：跟踪生成状态、检索结果和取消请求
  • 文件上传：将文件上传到fal.ai CDN以供模型使用
  • 完全支持TypeScript：具有全面的TypeScript定义的类型安全API
  • 基于光标的分页：通过大型结果集进行高效分页

安装

通过npm（推荐）

npm install -g fal-ai-mcp-server

来源

git clone https://github.com/derekalia/fal-mcp-ts
cd fal-mcp-ts
npm install
npm run build
npm link

配置

获取API密钥

  1. 注册地址： fal.ai
  2. 导航到您的 API密钥页
  3. 创建新的API密钥

配置MCP客户端

将服务器添加到MCP客户端配置中。API密钥应通过环境变量提供。

克劳德桌面

添加到您的Claude Desktop配置文件中：

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • 视窗: %APPDATA%\\Claude\\claude_desktop_config.json
{
  "mcpServers": {
    "fal": {
      "command": "npx",
      "args": ["-y", "fal-ai-mcp-server"],
      "env": {
        "FAL_KEY": "your-fal-api-key-here"
      }
    }
  }
}

克劳德代码

对于特定于项目的配置，请创建 .mcp.json 项目根目录中的文件：

{
  "mcpServers": {
    "fal": {
      "command": "npx",
      "args": ["-y", "fal-ai-mcp-server@latest"],
      "env": {
        "FAL_KEY": "your-fal-api-key-here"
      }
    }
  }
}

使用 @latest 确保您始终自动获得最新版本！

安全说明： 永不承诺 .mcp.json 包含版本控制的API密钥的文件。将其添加到您的 .gitignore 文件。

光标

添加到 ~/.cursor/mcp.json:

{
  "mcpServers": {
    "fal": {
      "command": "npx",
      "args": ["-y", "fal-ai-mcp-server"],
      "env": {
        "FAL_KEY": "your-fal-api-key-here"
      }
    }
  }
}

其他MCP客户端

对于其他MCP客户端，请使用以下命令：

FAL_KEY="your-api-key" npx -y fal-ai-mcp-server

可用工具

models

使用平台API v1在fal.ai模型库中列出可用的模型。

参数：

  • category （可选）：按类别筛选（例如，“文本到图像”、“图像到视频”、“培训”）
  • cursor （可选）：来自上一个响应的分页光标
  • limit （可选）：每页显示型号（默认值：100，最大值：100）
  • status （可选）：按状态筛选-“活动”或“已弃用”
  • expand （可选）：要展开的字段数组。支持：\[“openapi-3.0”\]包含完整的openapi模式

例子：

{
  "category": "text-to-image",
  "status": "active",
  "limit": 50,
  "expand": ["openapi-3.0"]
}

search

使用自由文本查询跨名称、描述和类别搜索模型。

参数：

  • query （必填）：自由文本搜索查询
  • cursor （可选）：来自上一个响应的分页光标
  • limit （可选）：每页结果（默认值：50，最大值：100）
  • category （可选）：按类别筛选
  • status （可选）：按状态筛选-“活动”或“已弃用”
  • expand （可选）：要展开的字段数组。支持：\[“openapi-3.0”\]

例子：

{
  "query": "flux image generation",
  "status": "active",
  "limit": 20
}

find

按端点ID查找特定模型。可以检索单个或多个模型。

参数：

  • endpoint_ids （必填）：端点ID数组（1-50个型号）
  • expand （可选）：要展开的字段数组。支持：\[“openapi-3.0”\]

例子：

{
  "endpoint_ids": ["fal-ai/flux/dev", "fal-ai/flux-pro"],
  "expand": ["openapi-3.0"]
}

schema

获取特定模型的输入/输出模式。

参数：

  • app_id （必填）：模型应用程序ID（例如，“fal-ai/flux/dev”）

例子：

{
  "app_id": "fal-ai/flux/dev"
}

generate

向fal.ai模型提交生成请求。

参数：

  • app_id （必填）：模型应用程序ID
  • input_data （必填）：特定型号的输入参数
  • webhook_url （可选）：用于结果通知的Webhook
  • output_format （可选）：json或二进制（默认值：json）

例子：

{
  "app_id": "fal-ai/flux/dev",
  "input_data": {
    "prompt": "A beautiful sunset over mountains",
    "image_size": "landscape_4_3",
    "num_inference_steps": 28
  }
}

result

获取生成请求的结果。

参数：

  • app_id （必填）：模型应用程序ID
  • request_id （必填）：请求ID来自 generate()

例子：

{
  "app_id": "fal-ai/flux/dev",
  "request_id": "abc123-def456-ghi789"
}

status

在不获取完整结果的情况下检查生成请求的状态。

参数：

  • app_id （必填）：模型应用程序ID
  • request_id （必填）：请求ID进行检查

例子：

{
  "app_id": "fal-ai/flux/dev",
  "request_id": "abc123-def456-ghi789"
}

cancel

取消待处理或正在处理的生成请求。

参数：

  • app_id （必填）：模型应用程序ID
  • request_id （必填）：请求ID以取消

例子：

{
  "app_id": "fal-ai/flux/dev",
  "request_id": "abc123-def456-ghi789"
}

upload

将文件上传到fal.ai CDN以供模型使用。

参数：

  • file_path （必填）：要上传的文件的路径
  • content_type （可选）：MIME类型（如果未提供，则自动检测）

例子：

{
  "file_path": "/path/to/image.png"
}

pricing

获取特定型号端点的定价信息。需要身份验证。

参数：

  • endpoint_ids （必填）：用于获取定价的端点ID数组（1-50个型号）
  • cursor （可选）：来自上一个响应的分页光标

例子：

{
  "endpoint_ids": ["fal-ai/flux/dev", "fal-ai/flux-pro"]
}

答复：

{
  "prices": [
    {
      "endpoint_id": "fal-ai/flux/dev",
      "unit_price": 0.025,
      "unit": "image",
      "currency": "USD"
    }
  ],
  "next_cursor": null,
  "has_more": false
}

estimate_cost

估算模型操作的成本。需要身份验证。有助于预算规划和成本优化。

估算方法：

  1. API历史价格 (historical_api_price):

- 基于过去使用模式中每个API调用的历史定价 - 当您知道要进行的API调用的数量时使用 - 示例：“100次调用flux/dev需要多少钱？”

  1. 单价 (unit_price):

- 基于单价×预期计费单位（图像、视频等） - 当您知道预期的输出量时使用 - 示例：“来自flux/dev的50张图片要花多少钱？”

参数：

  • estimate_type （必填）：“historical_api_price”或“unit_price
  • endpoints （必填）：端点ID到数量的映射

示例-API历史价格：

{
  "estimate_type": "historical_api_price",
  "endpoints": {
    "fal-ai/flux/dev": {
      "call_quantity": 100
    },
    "fal-ai/flux/schnell": {
      "call_quantity": 50
    }
  }
}

示例-单价：

{
  "estimate_type": "unit_price",
  "endpoints": {
    "fal-ai/flux/dev": {
      "unit_quantity": 50
    },
    "fal-ai/flux-pro": {
      "unit_quantity": 25
    }
  }
}

答复：

{
  "estimate_type": "unit_price",
  "total_cost": 1.88,
  "currency": "USD"
}

usage

获取工作区的使用记录和详细的计费信息。返回时间序列数据和/或包含单位数量和价格的汇总统计数据。需要身份验证。

参数：

  • endpoint_ids （必需）：要获取用法的端点ID数组（1-50个型号）
  • start （可选）：ISO8601格式的开始日期（例如，“2025-01-01”或“2025-01-01T00:00:00Z”）。默认为24小时前
  • end （可选）：ISO8601格式的结束日期。默认为当前时间
  • timeframe （可选）：聚合时间框架-“分钟”、“小时”、“天”、“周”或“月”。如果未指定，则自动检测
  • timezone （可选）：日期聚合的时区（例如，“UTC”、“America/New_York”）。默认为“UTC”
  • bound_to_timeframe （可选）：是否将开始/结束日期与时间范围边界对齐。默认为 true
  • expand （可选）：要包含的数据数组-“time_series”、“summary”、“auth_method”。默认为\[“时间序列”\]
  • cursor （可选）：来自上一个响应的分页光标
  • limit （可选）：要返回的最大项目数

例子：

{
  "endpoint_ids": ["fal-ai/flux/dev", "fal-ai/nano-banana"],
  "start": "2025-10-01",
  "end": "2025-10-31",
  "timeframe": "day",
  "expand": ["time_series", "summary"]
}

答复：

{
  "time_series": [
    {
      "bucket": "2025-10-23T00:00:00+00:00",
      "results": [
        {
          "endpoint_id": "fal-ai/flux/dev",
          "unit": "shared_gateway_request",
          "quantity": 8,
          "unit_price": 0.025
        }
      ]
    }
  ],
  "summary": [
    {
      "endpoint_id": "fal-ai/flux/dev",
      "unit": "shared_gateway_request",
      "quantity": 15,
      "unit_price": 0.025
    }
  ]
}

analytics

使用时间块指标获取模型端点的分析数据。返回请求计数、延迟统计数据（平均值、p50、p95、p99）和成功/错误率。需要身份验证。

参数：

  • endpoint_ids （必填）：用于获取分析的端点ID数组（1-50个模型）
  • start （可选）：ISO8601格式的开始日期。默认为24小时前
  • end （可选）：ISO8601格式的结束日期。默认为当前时间
  • timeframe （可选）：时间桶大小-“小时”、“天”、“周”或“月”。如果未指定，则自动检测
  • timezone （可选）：日期聚合的时区。默认为“UTC”
  • bound_to_timeframe （可选）：是否将开始/结束日期与时间范围边界对齐。默认为 true
  • metric （可选）：筛选以仅返回特定指标-“total_requests”、“success_request”、“failed_requests“或”avg_latency_ms“
  • cursor （可选）：来自上一个响应的分页光标
  • limit （可选）：要返回的最大项目数

例子：

{
  "endpoint_ids": ["fal-ai/flux/dev"],
  "start": "2025-10-01",
  "timeframe": "day"
}

答复：

{
  "time_series": [
    {
      "bucket": "2025-10-23T00:00:00+00:00",
      "results": [
        {
          "endpoint_id": "fal-ai/flux/dev",
          "request_count": 19
        }
      ]
    }
  ]
}

使用示例

使用克劳德桌面

配置后，您可以使用自然语言与fal.ai进行交互：

模型发现：

“搜索主动通量模型”
“查找fal-ai/flux/dev的模型详细信息”

定价和成本管理：

“获取fal ai/flux/dev和fal ai/flux pro的定价信息”
“使用fal-ai/flux/dev估算生成50张图像的成本”
“根据历史定价，100个API调用flux/dev的成本是多少？”

使用和分析：

“显示我在过去两周内对fal-ai/nano-banna的使用情况”
“获取过去一个月fal-ai/flux/dev的分析”
“我这个月在flux/dev上的总支出是多少？”

内容生成：

“使用fal-ai/flux/dev生成戴帽子的猫的图像”
“检查我上一代请求的状态”
“将此图像上传到fal.ai CDN：/path/to/image.png”

程序化使用

您还可以通过编程方式使用服务器：

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
// ... server setup

发展

先决条件

  • Node.js 18或更高版本
  • npm或纱线
  • fal.ai API密钥

设置

# Clone the repository
git clone https://github.com/derekalia/fal-mcp-ts
cd fal-mcp-ts

# Install dependencies
npm install

# Build
npm run build

# Run in development mode with watch
npm run watch

项目结构

fal-mcp-ts/
├── src/
│   ├── index.ts           # Main server entry point
│   ├── client.ts          # Fal.ai client wrapper
│   └── tools/
│       ├── models.ts      # Model discovery tools
│       ├── generate.ts    # Generation and queue tools
│       └── storage.ts     # File upload tools
├── dist/                  # Compiled output
├── package.json
├── tsconfig.json
└── README.md

故障排除

“未设置FAL_KEY环境变量”

确保您已设置 FAL_KEY 在您的MCP客户端配置中。API键必须设置为环境变量。

“HTTP 401”或“未经授权”

您的API密钥可能无效或已过期。在上查看您的API密钥 fal.ai/仪表板/按键.

构建错误

尝试删除 node_modules 并重新安装：

rm -rf node_modules package-lock.json
npm install
npm run build

贡献

欢迎投稿！请随时提交拉取请求。

许可证

麻省理工学院

鸣谢

这个项目的灵感来自 Python fal MCP服务器 并使用以下方法构建：

链接

目录标签

目录标签

JavaScriptClaude模型管理AI模型交互本地部署内容生成定价估算文件上传

支持客户端

Claude DesktopClaudeCursor

接入字段

传输方式（transport，传输协议）

未说明

鉴权方式（authType，认证方式）

none

工具数量（toolCount，工具数）

13

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

仍需确认：installCommand

来源信息

fal-mcp-ts logo

MCP World

mcpworld.com

/detail/63a9f5cd3fc68123ae567227da66653c

fal.ai MCP Server是一个用于与fal.ai模型和服务交互的服务器，支持模型发现、搜索、内容生成、定价信息获取等功能，适用于AI开发者和内容创作者。

继续浏览同类 MCP

更多运维云端 MCP（13,854）返回 MCP 目录

上一个 MCP

Falcon MCP Codebuild

使用AWS CodeBuild从CrowdStrike Falcon MCP源代码构建Docker镜像的自动化服务，适用于持续集成和容器化部署。

下一个 MCP

Famxplor Family Travel MCP Server

Famxplor MCP服务器是一个专为带小孩旅行的家庭设计的服务，提供全球家庭测试过的活动信息，并支持免费个人使用和API集成。