AI Image Generation Server with MCP Interface

MCP インターフェースを備えた AI 画像生成サーバー

このプロジェクトは、Stable Diffusion による画像生成機能を統合した Model Context Protocol（MCP）サーバーを提供し、AI エージェントが画像を生成して受け取れるようにします。
このプロジェクトは、Block's Goose Custom Extension tutorial の例をベースにしています。

セットアップ

1. 仮想環境を作成します。.venv を必ず使用してください。

   virtualenv .venv
   

2. 仮想環境を有効化します。

   source .venv/bin/activate
   

3. MCP パッケージをインストールします（Goose との統合用）。

   pip install -e .
   

サービスの起動

MCP サーバーには画像生成サービスが統合されています。次のコマンドを 1 つ実行するだけで、両方を起動できます。

標準モード：

source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp

FastMCP Inspector を使用した開発モード： ターミナルを 2 つ開きます。

ターミナル 1

source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp # Start image generation service (and a MCP server we won't use)

ターミナル 2

source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
mcp dev src/image_gen_mcp/server.py # Start MCP server with Inspector

注：画像生成サービスを別途起動する必要があるのは、開発モードを使用する場合のみです。

これにより FastMCP Inspector とともに MCP サーバーが起動し、次の機能が利用できます。

1. テストとデバッグに使える http://127.0.0.1:6274 のウェブインターフェース
2. MCP リクエストを転送するポート 6277 のプロキシサーバー

FastMCP Inspector の使用方法：

1. ブラウザーで http://127.0.0.1:6274 を開きます
2. インタラクティブなインターフェースを使って、次の操作ができます。
   • 利用可能なツールとそのドキュメントを確認する
   • 独自のプロンプトを使用して generate_image ツールをテストする
   • リクエストとレスポンスの履歴を表示する
   • MCP サーバーの問題をデバッグする

画像生成サービスのカスタムポート：

source .venv/bin/activate  # Activate your virtualenv
export IMAGE_GEN_DIR=/absolute/path/to/folder # Set generated images target folder
image-gen-mcp --port 5001

API への直接アクセス

画像生成サービスに POST リクエストを送信して、画像を生成します。

curl -X POST http://localhost:5000/generate \
  -H "Content-Type: application/json" \
  -d '{"prompt": "A futuristic cityscape at sunset"}'

レスポンスには、生成された画像にアクセスする URL とメタデータが含まれます。

{
  "type": "image",
  "format": "png",
  "url": "http://localhost:5000/images/123e4567-e89b-12d3-a456-426614174000.png",
  "width": 512,
  "height": 512,
  "filename": "123e4567-e89b-12d3-a456-426614174000.png",
  "filepath": "generated_images/123e4567-e89b-12d3-a456-426614174000.png",
  "mime_type": "image/png",
  "prompt": "A futuristic cityscape at sunset",
  "alt_text": "AI-generated image of: A futuristic cityscape at sunset"
}

返された image_url から、生成された画像に直接アクセスできます。

ファイル構成

• src/image_gen_mcp/ - 実装を含むパッケージディレクトリ
  • server.py - MCP サーバーの実装
  • generator.py - 画像生成サービス
  • __init__.py - パッケージの初期化と CLI エントリーポイント
  • __main__.py - パッケージをモジュールとして実行できるようにします

Goose との統合

この MCP サーバーを Goose の拡張機能として追加するには、次の手順に従います。

1. Settings > Extensions > Add に移動します。
2. Type を StandardIO に設定します。
3. ID に "image_generator"、名前に "Image Generator"、説明に適切な内容を入力します。
4. Command フィールドに、実行可能ファイルの絶対パスを入力します。

   uv run /full/path/to/your/project/.venv/bin/image-gen-mcp
   

5. 環境変数 IMAGE_GEN_DIR を追加し、生成した画像の保存先フォルダーを選択します

統合すると、特定のプロンプトで画像を生成するよう依頼することで、Goose の画像生成ツールを使用できます。

OpenAI GPT-4o を使用する場合は、すぐに動作します。
Ollama を使ってすべてをローカルで実行することもできます。いくつかのモデルを試したところ、動作したのは mistral-small3.1 だけでした。
ハイエンドの MacBookPro でも、mistral-small3.1 の応答は OpenAI GPT-4o よりかなり遅くなります。

サービスアーキテクチャ

両方のサービスは 1 つのアプリケーションに統合されています。

1. 画像生成サービス（src/image_gen_mcp/generator.py）

   • Stable Diffusion を使用して実際の画像生成を処理します
   • 画像生成用のシンプルな HTTP API を提供します
   • 画像の URL、寸法、メタデータを返します
   • 生成された画像を配信するための直接エンドポイントを含みます
   • デフォルトではポート 5000 で実行されます（--port で変更可能）
   • MCP サーバーと同じプロセス内の別スレッドで実行されます

2. MCP サーバー（src/image_gen_mcp/server.py）

   • AI エージェント向けの標準化された MCP インターフェースを提供します
   • 統合された画像生成サービスにリクエストを転送します
   • URL とメタデータを含む、適切にフォーマットされた MCP 画像オブジェクトを返します

サービスの停止

両方のサービスは同じプロセス内で実行されるため、Ctrl+C を使用して停止します。