Venice AI Image Generator MCP Server

Venice AI 画像生成 MCP サーバー

このプロジェクトは、承認／再生成ワークフローを備えた画像生成のために Venice AI と連携する Model Context Protocol（MCP）サーバーを実装しています。

MCP とは？

Model Context Protocol（MCP）は、アプリケーションが LLM（大規模言語モデル）にコンテキストを提供する方法を標準化するオープンプロトコルです。「AI アプリケーションの USB-C ポート」として機能し、LLM がさまざまなデータソースやツールに標準化された方法で接続できるようにします。

詳しくは、MCP の公式紹介ページをご覧ください。

プロジェクト概要

この MCP サーバーは、LLM（Claude など）と Venice AI の画像生成機能をつなぐブリッジを提供します。LLM がテキストプロンプトに基づいて画像を生成できるようにし、賛成／反対の評価を使った対話型の承認ワークフローを実装します。

主な機能

承認ワークフロー付き画像生成

このサーバーの主な機能は次のとおりです。

1. テキストプロンプトに基づいて Venice AI で画像を生成します
2. 生成した画像の上に、クリック可能な賛成／反対のアイコンを直接重ねてユーザーに表示します
3. ユーザーが画像を承認する（賛成アイコンをクリックする）か、再生成をリクエストする（反対アイコンをクリックする）ことを可能にします
4. リクエストがあった場合、同じパラメーターで画像を再生成します

技術的な実装

このサーバーは、複数の MCP ツールを実装しています。

• generate_venice_image：テキストプロンプトから画像を作成し、承認オプションとともに返します
• approve_image：ユーザーが賛成を選択したときに、画像を承認済みとして記録します
• regenerate_image：ユーザーが反対を選択したときに、同じパラメーターで新しい画像を作成します
• list_available_models：利用可能な Venice AI モデルの情報を提供します

ユーザーエクスペリエンス

ユーザーから見た操作の流れは次のとおりです。

1. ユーザーが画像生成用のテキストプロンプトを入力します
2. LLM が画像を生成するために MCP サーバーを呼び出します
3. LLM が画像の上に、クリック可能な賛成／反対のアイコンを直接重ねて表示します
4. ユーザーが画像上の賛成アイコンをクリックして承認するか、反対アイコンをクリックして再生成します
5. 反対が選択された場合、ユーザーが画像を承認するまで処理を繰り返します

アーキテクチャ

このサーバーは、MCP のクライアント／サーバーアーキテクチャに従っています。

┌─────────────┐     ┌─────────────┐     ┌─────────────┐
│             │     │             │     │             │
│  LLM Host   │◄────┤  MCP Server │◄────┤  Venice AI  │
│ (e.g. Claude)│     │             │     │    API     │
│             │     │             │     │             │
└─────────────┘     └─────────────┘     └─────────────┘

1. LLM ホスト：LLM（Claude など）を実行するアプリケーション
2. MCP サーバー：MCP プロトコルを実装し、Venice AI に接続するサーバー
3. Venice AI API：画像を生成する外部サービス

実装の詳細

MCP サーバーのコンポーネント

このサーバーは次の要素で構成されます。

1. FastMCP サーバー：MCP プロトコルの通信を処理する中核のサーバー
2. Venice AI との連携：Venice AI API とやり取りするコード
3. 画像キャッシュ：生成された画像とその承認ステータスを追跡するためのメモリー内ストレージ
4. ツール定義：LLM がサーバーとやり取りするために呼び出す関数

データフロー

1. LLM がユーザーからプロンプトを受け取ります
2. LLM がプロンプトを指定して generate_venice_image ツールを呼び出します
3. サーバーが Venice AI API にリクエストを送信します
4. Venice AI が画像を生成し、URL を返します
5. サーバーが画像の詳細をキャッシュし、承認オプションとともに URL を返します
6. LLM が画像と承認オプションをユーザーに表示します
7. ユーザーが賛成または反対を選択します
8. ユーザーの選択に応じて、LLM が approve_image または regenerate_image を呼び出します
9. 再生成する場合、ステップ 3 から処理を繰り返します

使用例

Claude などの LLM に接続すると、次のようなやり取りになります。

User: Generate an image of a futuristic city skyline
Claude: I'll generate that image for you using Venice AI.

[Image of futuristic city skyline with clickable 👍 and 👎 icons overlaid on the image]

User: 👎 (Thumbs down)
Claude: Let me generate a new version for you.

[New image of futuristic city skyline with clickable 👍 and 👎 icons overlaid on the image]

User: 👍 (Thumbs up)
Claude: Great! I've saved this approved image for you.

マルチビュー生成のためのGemini連携

ユーザーが画像を承認すると（親指を立てたアイコンをクリックすると）、システムはGoogleのGemini APIを通じて承認済みの画像を自動的に処理し、3Dオブジェクトの一貫性のある複数のビューを生成します。

1. 承認済みのVenice AI画像を、Geminiのビュー生成スクリプトへの入力として使用します
2. 4つの異なるビューを順番に生成します：
   • 正面ビュー（0°） - 最初に生成
   • 右側面ビュー（90°） - 正面ビューの生成完了後に生成
   • 左側面ビュー（270°） - 右側面ビューの生成完了後に生成
   • 背面ビュー（180°） - 左側面ビューの生成完了後に生成
3. 各ビューは利用可能になり次第、4分割レイアウトで表示されます
4. 各スクリプトは、前のスクリプトが正常に完了するまで実行を待機します

4分割ビューの承認プロセス

生成された4つのビューには、それぞれ独自の親指を立てる／下げる承認システムがあります。

1. 4分割表示の各ビューでは、画像上に親指を立てる／下げるアイコンが重ねて表示されます
2. ユーザーが特定のビューで親指を下げるアイコンを選択した場合：
   • そのビューに対応するPythonスクリプトを再実行します
   • 新たに生成された画像で、4分割表示の却下された画像を置き換えます
   • ユーザーが親指を立てるアイコンで画像を承認するまで、この処理を繰り返します
3. 各ビューは個別に承認または再生成できます

3Dモデルの生成

4つすべてのビューが承認されると：

1. 元のVenice AI画像と、Geminiで生成され承認された4つのビューを、CUDA Multi-View Stereoを使用して処理します
2. この処理は、ネットワーク上の専用Linuxサーバーで実行されます
3. CUDA Multi-View Stereoシステムが2D画像を3Dモデルに変換します

このマルチビュー生成では、Geminiのオブジェクト一貫性機能を活用し、元のVenice AI画像と同じスタイル、色、プロポーションを保ちながら、異なる角度から見た3Dオブジェクトの一貫性のある表現を作成します。

今後の機能強化

今後の改善案には、次のようなものがあります：

1. 永続ストレージ：承認済みの画像をデータベースに保存します
2. 画像編集：生成された画像に対して、ユーザーが特定の変更をリクエストできるようにします
3. 複数画像の生成：一度に複数のバリエーションを生成し、ユーザーが選べるようにします
4. ビューの追加：基本の4方向を超える角度のビューを生成します

Venice AI連携

このサーバーは、高品質な画像生成機能を提供するVenice AIの画像生成APIと連携します。このAPIでは、次のことができます：

• テキストプロンプトから画像を生成する
• 画像の寸法をカスタマイズする
• 生成パラメーターを調整する
• スタイルに応じて異なるモデルを使用する

はじめに

このサーバーを実装するには、次の作業が必要です：

1. FastMCPライブラリをインストールする
2. Venice AI APIの認証情報を設定する
3. 説明に従ってMCPツールを実装する
4. サーバーを実行し、LLMホストに接続する

MCPリソース

Model Context Protocolの詳細や、MCPサーバーの構築方法については、次のリソースをご覧ください：

• MCPの概要 - Model Context Protocolの公式概要
• MCP SDK - Python、TypeScript、Java、Kotlin向けの公式SDK
• MCP GitHubリポジトリ - MCPの公式実装とサンプル
• LLMを使用したMCPの構築 - LLMを使用してMCPサーバーを構築するチュートリアル
• サンプルサーバー - MCPサーバーの公式実装を集めたギャラリー
• MCP Inspector - MCPサーバー向けの対話型デバッグツール