MCP OpenAI Image Generation Server

MCP OpenAI Image Generation Server

このプロジェクトは、OpenAI の画像生成および編集 API（OpenAI のドキュメントを参照）をラップする、Model Context Protocol（MCP）に基づいたサーバー実装を提供します。

機能

• MCP ツールを通じて、OpenAI の画像生成機能を提供します。
• DALL-E 2、DALL-E 3、gpt-image-1 などのモデル（利用可能または有効な場合）を使った text-to-image 生成に対応しています。
• DALL-E 2 および gpt-image-1（利用可能または有効な場合）を使った image-to-image 編集に対応しています。
• 環境変数とコマンドライン引数で設定できます。
• サイズ、品質、スタイル、形式など、さまざまなパラメーターを処理します。
• 生成または編集した画像を一時ファイルに保存し、パスと Base64 データを返します。

以下は、MCP 経由で統合された text-to-image ツールを使い、Cursor で直接画像を生成する例です。

npx ですぐに実行

Node.js と npm が必要です。npx を使うと、npm から直接サーバーを実行できます。

npx imagegen-mcp [options]

オプションやローカルでの実行について詳しくは、「サーバーの実行」セクションを参照してください。

前提条件

• Node.js（v18 以降を推奨）
• npm または yarn
• OpenAI API キー

Cursor との統合

このサーバーを Cursor と簡単に統合し、エディター内で直接画像生成機能を利用できます。

1. Cursor の設定を開きます：

   • File > Preferences > Cursor Settings に移動します（またはショートカット Ctrl+, / Cmd+, を使います）。

2. MCP の設定に移動します：

   • 設定の検索バーで「MCP」を検索します。
   • 「Model Context Protocol: Custom Servers」設定を見つけます。

3. カスタムサーバーを追加します：

   • 「Edit in settings.json」をクリックします。
   • mcpServers 配列に新しい項目を追加します。次のようになります。

   "mcpServers": [
       "image-generator-gpt-image": {
           "command": "npx imagegen-mcp --models gpt-image-1",
           "env": {
               "OPENAI_API_KEY": "xxx"
           }
       }
     // ... その他のカスタムサーバー ...
   ]
   

   • コマンドをカスタマイズします：
     • command フィールドの --models 引数を変更すると、Cursor で使用できるモデルを指定できます（例：--models dall-e-3 または --models gpt-image-1）。選択したモデルを利用できる OpenAI API キーを使用してください。

4. 設定を保存します：

   • settings.json ファイルを保存します。

Cursor が「OpenAI Image Gen」サーバーを認識し、ツール（text-to-image、image-to-image）が MCP ツールの選択リストで利用できるようになります（例：チャットでの @ メンションやコードアクションで使用できます）。

セットアップ

1. リポジトリをクローンします：

   git clone <your-repository-url>
   cd <repository-directory>
   

2. 依存関係をインストールします：

   npm install
   # or
   yarn install
   

3. 環境変数を設定します： 例をコピーして、プロジェクトのルートに .env ファイルを作成します。

   cp .env.example .env
   

   .env ファイルを編集し、OpenAI API キーを追加します。

   OPENAI_API_KEY=your_openai_api_key_here
   

ビルド

TypeScript コードを JavaScript にビルドするには、次を実行します。

npm run build
# or
yarn build

これにより、コードが dist ディレクトリにコンパイルされます。

サーバーの実行

このセクションでは、クローンとセットアップの後、サーバーをローカルで実行する方法について説明します。クローンせずにすぐに実行する方法については、npx ですぐに実行セクションをご覧ください。

ts-node を使用する場合（開発用）：

npx ts-node src/index.ts [options]

コンパイル済みコードを使用する場合：

node dist/index.js [options]

オプション：

• --models <model1> <model2> ...：サーバーで許可する OpenAI モデルを指定します。指定しない場合、src/libs/openaiImageClient.ts で定義されているすべてのモデル（現在は gpt-image-1、dall-e-2、dall-e-3）が許可されます。
  • npx を使用する場合の例（ローカルでの実行にも使用できます）：... --models gpt-image-1 dall-e-3
  • クローン後の例：node dist/index.js --models dall-e-3 dall-e-2

サーバーが起動し、標準入力／出力を使用して MCP リクエストを待ち受けます（StdioServerTransport を使用）。

MCP ツール

サーバーは次の MCP ツールを公開します。

text-to-image

テキストプロンプトに基づいて画像を生成します。

パラメーター：

• text（string、必須）：画像生成に使用するプロンプト。
• model（enum、任意）：使用するモデル（例：gpt-image-1、dall-e-2、dall-e-3）。デフォルトは、許可されている最初のモデルです。
• size（enum、任意）：生成する画像のサイズ（例：1024x1024、1792x1024）。デフォルトは1024x1024です。モデルごとに対応するサイズについては、OpenAI のドキュメントを確認してください。
• style（enum、任意）：画像のスタイル（vivid または natural）。dall-e-3でのみ使用できます。デフォルトはvividです。
• output_format（enum、任意）：形式（png、jpeg、webp）。デフォルトはpngです。
• output_compression（number、任意）：圧縮レベル（0～100）。デフォルトは100です。
• moderation（enum、任意）：モデレーションレベル（low、auto）。デフォルトはlowです。
• background（enum、任意）：背景（transparent、opaque、auto）。デフォルトはautoです。transparentを使用するには、output_formatをpngまたはwebpにする必要があります。
• quality（enum、任意）：品質（standard、hd、auto、...）。デフォルトはautoです。hdはdall-e-3でのみ使用できます。
• n（number、任意）：生成する画像の数。デフォルトは1です。注：dall-e-3が対応するのはn=1のみです。

戻り値：

• content：次を含む配列：
  • 保存された一時画像ファイルへのパスを含むtextオブジェクト（例：/tmp/uuid.png）。

image-to-image

テキストプロンプトと任意のマスクに基づいて、既存の画像を編集します。

パラメーター：

• images（string、必須）：ローカル画像のファイルパスの配列。
• prompt（string、必須）：希望する編集内容のテキストによる説明。
• mask（string、任意）：マスク画像（PNG）のファイルパス。透明な領域が画像の編集対象になります。
• model（enum、任意）：使用するモデル。編集に対応しているのはgpt-image-1とdall-e-2のみです。デフォルトは、許可されている最初のモデルです。
• size（enum、任意）：生成する画像のサイズ（例：1024x1024）。デフォルトは1024x1024です。dall-e-2が対応するのは256x256、512x512、1024x1024のみです。
• output_format（enum、任意）：形式（png、jpeg、webp）。デフォルトはpngです。
• output_compression（number、任意）：圧縮レベル（0～100）。デフォルトは100です。
• quality（enum、任意）：品質（standard、hd、auto、...）。デフォルトはautoです。
• n（number、任意）：生成する画像の数。デフォルトは1です。

戻り値：

• content：次を含む配列：
  • 保存された一時画像ファイルへのパスを含むtextオブジェクト（例：/tmp/uuid.png）。

開発

• Lint： npm run lint または yarn lint
• フォーマット： npm run format または yarn format（package.jsonで設定されている場合）

コントリビューション

プルリクエスト（PR）を歓迎します。改善やバグ修正をぜひご提案ください。