Logo MCP (Gofastercloud)

标志MCP

一个本地MCP服务器，使用人工智能生成完整的品牌设计系统。给它一个品牌简介，取回标志概念、调色板、排版和一个完整的资产库——所有这些都在Apple Silicon上本地运行。

专为基于LLM的营销团队打造：Claude或其他代理商提交简报，视觉审查生成的徽标，迭代品牌规格，并导出生产就绪资产。

它的作用

1. 品牌简介 → 您描述了品牌（名称、行业、受众、情绪）
2. AI品牌规格 → 本地文本LLM生成创意方向、标语、调色板、排版
3. 标志概念 → 局部图像模型生成3个1024×1024的徽标标记概念
4. 模板渲染 → 选择徽标会触发所有品牌资产的自动生成：

- 徽标变体（标记、主水平、堆叠、文字标记、图标） - 每个都有亮/暗/透明背景 - PNG（1x+2x）、JPEG和SVG格式 - 16、32、48和192像素的收藏夹图标

约3分钟 从短期资产到47项生产就绪资产。没有云API，没有订阅，一切都在你的Mac上。

需求

• macOS 使用苹果硅（M1或更高版本）
• 24GB+内存 （建议32GB）
• Python 3.12+ 通过 紫外线
• HuggingFace帐户 有权使用 FLUX.1-schnell （自由、门控模式——然后接受条款 hf auth login)

安装

# Clone
git clone https://github.com/gofastercloud/logoMCP.git
cd logoMCP

# Install Python dependencies
cd backend
uv sync

# Authenticate with HuggingFace (required for Flux model access)
hf auth login
# Or: cd backend && uv run python -c "from huggingface_hub import login; login()"

# Run tests to verify everything works
uv run pytest

首次使用时会自动下载模型（Qwen3 8B+Flux.1-schnell总共约12GB）。

使用Claude代码

在Claude Code设置中添加logoMCP作为MCP服务器：

选项1：项目层面 --添加到 .claude/settings.json 在任何项目中：

{
  "mcpServers": {
    "logomcp": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/logoMCP/backend", "python", "-m", "logogen.server"],
      "env": {}
    }
  }
}

选项2：用户级别 --添加到 ~/.claude/settings.json 使其在所有项目中可用：

{
  "mcpServers": {
    "logomcp": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/logoMCP/backend", "python", "-m", "logogen.server"],
      "env": {}
    }
  }
}

替换 /path/to/logoMCP 使用克隆仓库的实际路径。

与Claude代码协同使用

在协作/团队模式下运行Claude Code时，任何有权访问MCP服务器的团队成员都可以调用logoMCP工具。在用户级别配置MCP服务器（上面的选项2），以便所有生成的代理继承访问权限。

示例协同工作流程——营销团队首席代理可以：

1. create_brand("Solaris", "Solar Energy", "Eco-conscious homeowners", ["sustainable", "bright"])
2. update_brand_specs(brand_id, colors=[...], typography={...})  # optional pre-set preferences
3. generate_logos(brand_id)  # generates specs + 3 logo concepts
4. [visually review the 3 returned concept images]
5. select_logo(brand_id, concept_index=1)  # triggers template rendering
6. get_brand_assets(brand_id)  # browse all rendered assets
7. get_asset(brand_id, "logo-primary", "dark", "png")  # inspect specific asset
8. export_brand(brand_id)  # download ZIP

MCP工具

建筑

Brand Brief → Text LLM (Qwen3 8B) → Image Model (Flux.1-schnell) → Template Engine → Assets
                  ↓                         ↓                            ↓
           Creative direction        3 logo concepts           47 production files
           Color palette             1024×1024 each            PNG/JPEG/SVG
           Typography                                          Light/Dark/Transparent
           Tagline                                             1x + 2x resolution

内存管理： 模型按顺序加载——文本模型生成所有规格，卸载，然后图像模型生成徽标，卸载。模板渲染是纯CPU（Pillow）。这使峰值内存保持在16GB以下，适合24GB的机器。

模板系统： 每种资产类型都是一个Python类，继承自 BaseTemplate.添加新资产=编写 render() 方法。该引擎自动处理所有变体/格式/比例排列。

配置

复制 .env.example 到 .env 并自定义：

# Model selection
TEXT_MODEL_ID=mlx-community/Qwen3-8B-4bit    # Text LLM
IMAGE_MODEL_NAME=schnell                       # Flux variant (schnell or dev)
IMAGE_MODEL_QUANTIZE=4                         # Quantization (4 or 8 bit)

# Generation parameters
LOGO_STEPS=4          # Inference steps (schnell: 2-4, dev: 20-25)
LOGO_WIDTH=1024       # Logo dimensions (must be multiples of 32)
LOGO_HEIGHT=1024

使用 IMAGE_MODEL_NAME=dev 对于更高质量的徽标（速度较慢，需要32GB+RAM）。

发展

cd backend

# Run tests
uv run pytest

# Run tests verbose
uv run pytest -v

# Run E2E test with real models (slow, generates actual logos)
uv run python test_e2e.py

# Run MCP server directly (for debugging)
uv run python -m logogen.server

依赖许可证

所有依赖项都使用与MIT兼容的许可证：

许可证

麻省理工学院——见 许可证.