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模型的图像生成服务，通过MCP协议实现文本到图像的转换。

核心功能

• 文本到图像的生成（使用Gemini 2.0 Flash模型）
• 基于文本提示的图像转换
• 支持文件或base64编码的图像输入
• 自动生成基于提示的智能文件名
• 自动翻译非英语提示
• 本地图像存储，可配置输出路径
• 高分辨率图像输出

适用场景

• 需要快速生成高质量图像的AI助手
• 需要基于文本提示修改现有图像的应用
• 需要本地存储和管理生成图像的项目

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：原始图像数据和保存的文件路径
4. transform_image_from_encoded：基于base64编码的图像数据进行转换
5. 参数：encoded_image（base64编码的图像数据）和prompt（文本描述）
6. 返回：转换后的图像数据和保存的文件路径
7. transform_image_from_file：基于文件路径的图像转换
8. 参数：image_file_path（图像文件路径）和prompt（文本描述）
9. 返回：转换后的图像数据和保存的文件路径

常见问题解答

• 性能问题：使用transform_image_from_encoded可能比其他方法耗时更长，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（如Claude Desktop Host）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 host application（如Claude Desktop App, Cursor等）

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密钥：

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。