mcpField
F
Fal AI MCP Server

Fal AI MCP Server

本地服务
github.com/piebro媒体与设计479 周前更新

关于 Fal AI MCP Server

Fal AI MCP Server 是一个基础服务器,可调用 fal.ai API 生成图像和视频。它适合希望将 fal.ai 模型接入 MCP 客户端,并扩展其他端点的用户。

主要功能

  1. 01通过 fal.ai API 生成图像
  2. 02通过 fal.ai API 生成视频
  3. 03扩展其他模型和端点

适用场景

  1. 01从 MCP 客户端生成图像
  2. 02从 MCP 客户端生成视频
  3. 03改造服务器以接入其他 fal.ai 端点

MCP 相关

通过配置 FAL_KEY 的服务器,向 MCP 客户端开放 fal.ai 图像和视频生成 API。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"fal-ai-mcp-server-piebro": {
"command": "uvx",
"args": [
"fal-ai-mcp-server"
],
"env": {
"FAL_KEY": "<FAL_KEY>",
"SAVE_MEDIA_DIR": "<SAVE_MEDIA_DIR>"
}
}
}
}
启动命令uvx fal-ai-mcp-server
需要配置的环境变量
FAL_KEY密钥
SAVE_MEDIA_DIR

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypifal-ai-mcp-server

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Fal AI MCP 服务

一个 MCP(Model Context Protocol)服务,用于调用 fal.ai API 生成图像和视频。 这是一个精简的服务,任何人都可以扩展它,以使用不同的 fal.ai 模型和 API 端点。

使用方法

安装 uv,并使用 uvx 将此服务添加到 MCP 配置中:

{
    "name": "fal-ai-mcp-server",
    "command": "uvx",
    "args": [
        "fal-ai-mcp-server"
    ],
    "env": {
        "FAL_KEY": "your-key",
        "SAVE_MEDIA_DIR": "path/to/save/images"
    }
}

或者克隆仓库,并使用 uv 指定目录:

{
    "name": "fal-ai-mcp-server",
    "command": "uv",
    "args": [
        "--directory",
        "path/to/root/dir/",
        "run",
        "main.py"
    ],
    "env": {
        "FAL_KEY": "your-key",
        "SAVE_MEDIA_DIR": "path/to/save/images"
    }
}

开发

测试

克隆仓库,并使用 mcp-client-for-testing 测试此服务的工具。

uvx mcp-client-for-testing \
    --config '
    [
        {
            "name": "fal-ai-mcp-server",
            "command": "uv",
            "args": [
                "--directory", 
                "path/to/root/dir/", 
                "run", 
                "main.py"
            ],
            "env": {
                "FAL_KEY": "your-key",
                "SAVE_MEDIA_DIR": "path/to/save/images"
            }
        }
    ]
    ' \
    --tool_call '{"name": "echo_tool", "arguments": {"message": "Hello, world!"}}'
格式化和代码检查

代码使用 ruff 进行格式化和代码检查:

uv run ruff format
uv run ruff check --fix
使用 uv 构建

使用 uv 构建软件包:

uv build
发布新版本

要向 PyPI 发布软件包的新版本,请创建并推送新的 Git 标签:

  1. 切换到 main 分支并获取当前版本:

    git checkout main
    git pull origin main
    git describe --tags
    
  2. 创建并推送新的 Git 标签:

    git tag v0.2.0
    git push origin v0.2.0
    

推送新标签后,GitHub Actions 工作流会自动构建软件包并将其发布到 PyPI。 Python 软件包版本号将直接根据 Git 标签生成。

许可证

本项目采用 MIT 许可证。详情请参阅 LICENSE 文件。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。