Venice AI Image Generator MCP Server

Venice AI 图像生成 MCP 服务

此项目实现了一个模型上下文协议（MCP）服务，可接入 Venice AI 生成图像，并提供审批和重新生成工作流。

什么是 MCP？

模型上下文协议（MCP）是一种开放协议，用于标准化应用程序向大语言模型（LLM）提供上下文的方式。它就像“AI 应用的 USB-C 接口”，使 LLM 能够以标准化方式连接各种数据源和工具。

如需了解更多信息，请访问 MCP 官方介绍页面。

项目概览

此 MCP 服务为 LLM（例如 Claude）与 Venice AI 的图像生成能力搭建桥梁。它支持 LLM 根据文本提示词生成图像，并提供交互式审批工作流，用户可通过点赞或点踩提供反馈。

主要功能

带审批工作流的图像生成

此服务的核心功能是：

1. 使用 Venice AI 根据文本提示词生成图像
2. 向用户展示生成的图像，并在图像上直接叠加可点击的点赞／点踩图标
3. 允许用户批准图像（点击点赞）或请求重新生成（点击点踩）
4. 根据请求使用相同参数重新生成图像

技术实现

此服务实现了多个 MCP 工具：

• generate_venice_image：根据文本提示词创建图像，并提供审批选项
• approve_image：用户点赞时，将图像标记为已批准
• regenerate_image：用户点踩时，使用相同参数创建新图像
• list_available_models：提供可用 Venice AI 模型的信息

用户体验

从用户的角度来看，交互流程如下：

1. 用户提供文本提示词以生成图像
2. LLM 调用 MCP 服务生成图像
3. LLM 向用户展示图像，并在图像上直接叠加可点击的点赞／点踩图标
4. 用户点击图像上的点赞图标以批准图像，或点击点踩图标以重新生成
5. 如果用户点踩，流程会重复，直到用户批准某张图像

架构

此服务遵循 MCP 客户端－服务端架构：

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

1. LLM 主机：运行 LLM 的应用程序（例如 Claude）
2. MCP 服务：实现 MCP 协议并连接 Venice AI 的服务
3. Venice AI API：生成图像的外部服务

实现详情

MCP 服务组件

此服务由以下部分组成：

1. FastMCP 服务：处理 MCP 协议通信的核心服务
2. Venice AI 集成：与 Venice AI API 交互的代码
3. 图像缓存：用于跟踪生成图像及其审批状态的内存存储
4. 工具定义：LLM 可调用以与服务交互的函数

数据流

1. LLM 接收用户提供的提示词
2. LLM 使用提示词调用 generate_venice_image 工具
3. 服务向 Venice AI API 发送请求
4. Venice AI 生成图像并返回 URL
5. 服务缓存图像详情，并返回 URL 和审批选项
6. LLM 向用户展示图像和审批选项
7. 用户选择点赞或点踩
8. LLM 根据用户的选择调用 approve_image 或 regenerate_image
9. 如果需要重新生成，流程会从第 3 步开始重复

使用示例

连接到 Claude 等 LLM 后，交互过程如下：

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.

Gemini 多视图生成集成

用户批准图像（点击竖起大拇指图标）后，系统会自动通过 Google 的 Gemini API 处理已批准的图像，为 3D 对象生成多个一致的视图：

1. 将已批准的 Venice AI 图像用作 Gemini 视图生成脚本的输入
2. 按顺序生成四种不同视图：
   • 正面视图（0°）- 首先生成
   • 右侧视图（90°）- 正面视图完成后生成
   • 左侧视图（270°）- 右侧视图完成后生成
   • 背面视图（180°）- 左侧视图完成后生成
3. 每个视图生成后，都会显示在四宫格布局中
4. 每个脚本都会等待上一个脚本成功完成后再执行

四宫格视图审批流程

四个生成的视图各自都有独立的竖起大拇指/倒竖大拇指审批系统：

1. 四宫格显示中的每个视图都会在图像上叠加竖起大拇指/倒竖大拇指图标
2. 如果用户对某个特定视图选择倒竖大拇指：
   • 再次运行对应视图的 Python 脚本
   • 在四宫格显示中用新生成的图像替换被拒绝的图像
   • 重复此流程，直到用户通过竖起大拇指批准图像
3. 每个视图都可以单独批准或重新生成

3D 模型生成

所有四个视图都获批后：

1. 使用 CUDA Multi-View Stereo 处理原始 Venice AI 图像和四个经批准的 Gemini 生成视图
2. 此处理在网络中的专用 Linux 服务上进行
3. CUDA Multi-View Stereo 系统将 2D 图像转换为 3D 模型

此多视图生成利用 Gemini 的对象一致性能力，从不同角度创建连贯的 3D 对象表示，同时保持与原始 Venice AI 图像相同的风格、颜色和比例。

未来增强

未来可能的改进包括：

1. 持久化存储：将已批准的图像保存到数据库
2. 图像编辑：允许用户请求对生成的图像进行特定修改
3. 多图像生成：一次生成多个变体供用户选择
4. 更多视图：生成四个基本方向之外的更多角度

Venice AI 集成

该服务集成了 Venice AI 的图像生成 API，提供高质量的图像生成能力。该 API 支持：

• 根据文本提示词生成图像
• 自定义图像尺寸
• 调整生成参数
• 针对不同风格使用不同模型

开始使用

要实现此服务，你需要：

1. 安装 FastMCP 库
2. 设置 Venice AI API 凭证
3. 按照说明实现 MCP 工具
4. 运行服务并将其连接到大模型托管端

MCP 资源

如需详细了解 Model Context Protocol 以及如何构建 MCP 服务，请参阅以下资源：

• MCP 简介 - Model Context Protocol 官方简介
• MCP SDK - 适用于 Python、TypeScript、Java 和 Kotlin 的官方 SDK
• MCP GitHub 仓库 - MCP 官方实现和示例
• 使用大模型构建 MCP - 使用大模型构建 MCP 服务的教程
• 示例服务 - MCP 官方服务实现集锦
• MCP Inspector - 用于调试 MCP 服务的交互式工具