Gemini Image Generator MCP Server

基本能力

产品定位

Gemini Image Generator MCP Server 是一个基于 Google Gemini AI 模型的图像生成服务，通过 MCP 协议实现文本到图像的转换和图像变换功能。

核心功能

• 使用 Gemini 2.0 Flash 进行文本到图像生成
• 基于文本提示的图像变换
• 支持文件路径和 base64 编码的图像输入
• 自动智能文件名生成
• 非英语提示自动翻译
• 可配置的本地图像存储路径
• 高分辨率图像输出
• 直接访问图像数据和文件路径

适用场景

• 通过文本描述生成高质量图像
• 对现有图像进行基于文本提示的变换
• 在 AI 助手中集成图像生成功能

工具列表

1. generate_image_from_text: 从文本提示生成新图像
2. 参数: prompt (文本描述)
3. 返回: 原始图像数据 (bytes) 和保存的图像文件路径 (str)
4. transform_image_from_encoded: 使用 base64 编码的图像数据进行变换
5. 参数: encoded_image (base64 编码图像数据) 和 prompt (变换描述)
6. 返回: 变换后的图像数据 (bytes) 和保存的图像文件路径 (str)
7. transform_image_from_file: 使用文件路径进行图像变换
8. 参数: image_file_path (图像文件路径) 和 prompt (变换描述)
9. 返回: 变换后的图像数据 (bytes) 和保存的图像文件路径 (str)

常见问题解答

• 性能问题: 使用 transform_image_from_encoded 可能比其他方法处理时间更长，因为需要传输大量 base64 编码数据
• 路径解析问题: 某些 MCP 客户端可能无法正确解析返回的文件路径

使用教程

使用依赖

• Python 3.11+
• Google AI API key (Gemini)
• MCP 主机应用程序 (如 Claude Desktop App, Cursor 或其他兼容 MCP 的客户端)

安装教程

1. 克隆仓库:

git clone https://github.com/your-username/gemini-image-generator.git
cd gemini-image-generator

1. 创建虚拟环境并安装依赖:

python -m venv .venv
source .venv/bin/activate
pip install -e .

1. 复制环境文件并添加 API key:

cp .env.example .env

1. 编辑 .env 文件:

GEMINI_API_KEY="your-gemini-api-key-here"
OUTPUT_IMAGE_PATH="/path/to/save/images"

调试方式

启动 FastMCP 开发服务器:

fastmcp dev server.py

访问 http://localhost:5173/ 使用 MCP Inspector 测试图像生成工具。

许可证

该项目遵循 MIT 开源许可条款。