MCP Imagen Server

MCP图像服务器

用于Google Imagen API的MCP（模型上下文协议）服务器，能够使用Google最先进的Imagen模型生成文本到图像。

特性

• 文本到图像生成：使用Imagen 4.0模型从文本提示生成高质量图像
• 风格迁移：使用Imagen 3 Customization按照参考图像的样式生成图像
• 背景移除：使用rembg AI模型从图像中删除背景
• 自动裁剪：自动裁剪图像以删除透明或空边框，并支持批处理
• 多种型号：支持三种Imagen变体：

- imagen-4.0-generate-001 （默认）-标准质量和速度 - imagen-4.0-fast-generate-001 -更快的一代 - imagen-4.0-ultra-generate-001 -最高质量（仅单张图像）

• 灵活配置:

- 可定制的宽高比（1:1、3:4、4:3、9:16、16:9） - 批量生成（每个请求1-4张图像） - 支持透明度的PNG输出格式

• 身份验证选项:

- Google Cloud默认应用程序凭据 - Vertex AI或Gemini API

先决条件

• Python 3.11或更高版本
• 紫外线 用于包管理
• Google Cloud凭据（请参阅 认证)

安装

1.克隆存储库

git clone https://github.com/anton-proto/mcp-imagen.git
cd mcp-imagen/mcp-imagen-server

2.用uv安装

# Install dependencies
uv sync

# Or install in development mode
uv sync --all-extras

3.设置身份验证

选项A：使用Gemini API（建议快速启动）

1. 从获取API密钥 谷歌AI工作室
2. 设置API键：

   export GOOGLE_API_KEY="your-api-key-here"

选项B：使用Vertex AI（建议用于生产）

1. 安装谷歌云SDK：

   # For Debian/Ubuntu
   curl https://sdk.cloud.google.com | bash
   exec -l $SHELL

1. 使用Google Cloud进行身份验证：

   gcloud auth application-default login

1. 设置您的项目：

   export GOOGLE_CLOUD_PROJECT="your-project-id"
   export USE_VERTEXAI="true"
   # Optional: specify location (default: us-central1)
   export GOOGLE_CLOUD_LOCATION="us-central1"

用法

运行服务器

uv run mcp-imagen-server

服务器将启动并通过stdio监听MCP请求。

与Claude Desktop集成

将此配置添加到您的Claude Desktop配置文件中：

位置:

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

配置:

{
  "mcpServers": {
    "imagen": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-imagen-server",
        "run",
        "mcp-imagen-server"
      ],
      "env": {
        "GOOGLE_API_KEY": "your-api-key-here"
      }
    }
  }
}

对于顶点AI:

{
  "mcpServers": {
    "imagen": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-imagen-server",
        "run",
        "mcp-imagen-server"
      ],
      "env": {
        "USE_VERTEXAI": "true",
        "GOOGLE_CLOUD_PROJECT": "your-project-id",
        "GOOGLE_CLOUD_LOCATION": "us-central1"
      }
    }
  }
}

与其他MCP客户端集成

服务器实现了标准的MCP协议，可以与任何兼容MCP的客户端一起使用。

MCP工具

文本到图像

使用Google Imagen API从文本提示生成图像。

参数

模型

• Image-4.0-Generate-001：质量和速度平衡的标准型号
• image-4.0-fast-generate-001：生产速度更快，质量更好
• Image-4.0-Ultra-Generate-001：最高质量，仅限单张图像（sample_count必须为1）

回应

返回一个文本响应，其中包含生成的PNG文件的路径：

Successfully generated 2 image(s):
1. /path/to/output/A_serene_mountain_landscape_at_sunset_1.png
2. /path/to/output/A_serene_mountain_landscape_at_sunset_2.png

示例用法

在Claude Desktop或其他MCP客户端中：

Generate an image of "A serene mountain landscape at sunset with a lake reflecting the sky" and save it to /tmp/images/

风格到形象

使用Imagen 3 Customization生成遵循参考图像样式的图像。

参数

回应

返回一个文本响应，其中包含生成的样式化PNG文件的路径。

示例用法

Generate an image of "A cat sitting on a windowsill" in the style of the image at /path/to/watercolor.png (watercolor painting style) and save it to /tmp/images/

删除背景

使用rembg AI模型从图像中删除背景，生成具有透明背景的PNG。

参数

回应

返回一个文本响应，其中包含透明背景的输出图像的路径：

Successfully removed background from image:
Output: /path/to/output/nobg_image.png

示例用法

Remove the background from /home/user/images/photo.png

或者使用自定义输出路径：

Remove the background from /home/user/images/photo.png and save it to /home/user/outputs/transparent.png

自动投运器

自动裁剪图像以删除透明或空白边框。支持单图像和批处理并行执行。

参数

回应

返回一个文本响应，其中包含处理摘要和裁剪图像的路径：

Processed 3 image(s):
Successfully cropped: 3

Cropped images:
1. /output/dir/image1_cropped.png
2. /output/dir/image2_cropped.png
3. /output/dir/image3_cropped.png

如果任何图像无法处理，它们将单独列出：

Processed 3 image(s):
Successfully cropped: 2

Cropped images:
1. /output/dir/image1_cropped.png
2. /output/dir/image2_cropped.png

Failed: 1
- image3.png: Error: Image appears to be completely transparent or empty - cannot autocrop

特性

• 并行处理：同时处理多个图像以获得更好的性能
• 批量支持：在一次调用中处理多个图像
• 灵活的输出：保存到特定目录或使用默认位置
• 填充控制：如果需要，在裁剪内容周围添加填充
• 透明度意识：自动检测并裁剪不透明像素周围

示例用法

单幅图像：

Autocrop the image at /home/user/images/logo.png

具有输出目录的多个图像：

Autocrop these images: ["/home/user/images/logo1.png", "/home/user/images/logo2.png", "/home/user/images/logo3.png"] and save to /home/user/cropped/

带衬垫：

Autocrop /home/user/images/logo.png with 10 pixels of padding and save to /home/user/output/

禁用覆盖（防止覆盖）：

Autocrop /home/user/images/logo.png and save to /home/user/output/ with overwrite disabled

注意：默认情况下，该工具将覆盖现有的输出文件。集 overwrite=False 以防止意外覆盖并在输出文件已存在时引发错误。

发展

项目结构

mcp-imagen-server/
├── src/
│   └── mcp_imagen_server/
│       ├── __init__.py          # Package initialization
│       ├── imagen_client.py     # Imagen API client
│       └── server.py            # MCP server implementation
├── pyproject.toml               # Project configuration
├── README.md                    # This file
└── .python-version              # Python version

代码质量

该项目使用 颈毛 用于修剪和格式化：

# Check code
uv run ruff check src/

# Format code
uv run ruff format src/

# Auto-fix issues
uv run ruff check --fix src/

运行测试

# Run tests (when implemented)
uv run pytest

环境变量

故障排除

身份验证问题

问题: DefaultCredentialsError 或身份验证失败

解决方案:

• 对于Gemini API：确保 GOOGLE_API_KEY 已设置
• 对于顶点AI：运行 gcloud auth application-default login
• 验证您的项目是否已启用Vertex AI API

权限不足

问题：无法写入输出目录

解决方案：确保指定 output_dir 存在并且可写，或者服务器有创建它的权限

型号不可用

问题：找不到模型或拒绝访问

解决方案:

• 验证您的Google Cloud项目是否可以访问Imagen模型
• 检查您是否使用了受支持的型号名称
• 对于超型号，请确保 sample_count=1

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！请随时提交拉取请求。

参考文献

• Google Imagen文档
• 顶点AI图像API
• 模型上下文协议
• 谷歌AI Python SDK