mcpField
R
Runware

Runware

本地服务
github.com/Runware媒体与设计02 周前更新

关于 Runware

Runware MCP 服务让 AI Agent 通过 MCP 调用 Runware API,涵盖图像、视频、音频、3D 生成及媒体处理。除执行任务外,还可查询模型、参数模式、定价和账户信息。

主要功能

  1. 01执行多种媒体推理任务
  2. 02浏览和搜索模型
  3. 03查询模型参数与详情
  4. 04管理媒体存储和自定义模型
  5. 05查看账户余额与任务记录

适用场景

  1. 01生成图像、视频或音频
  2. 02放大图像或移除背景
  3. 03查找适用模型并检查参数
  4. 04查看账户用量和历史任务

MCP 相关

该服务向 MCP 客户端暴露 Runware API 工具,包括任务执行、模型查询、媒体存储和账户信息;客户端需配置 Runware API 密钥。

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": {
"runware": {
"command": "npx",
"args": [
"-y",
"@runware/mcp"
],
"env": {
"RUNWARE_API_KEY": "<RUNWARE_API_KEY>"
}
}
}
}
启动命令npx -y @runware/mcp
需要配置的环境变量
RUNWARE_API_KEY密钥Your Runware API key. Create one at https://runware.ai.

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
npm@runware/mcp1.3.2

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

Runware MCP

MCP 服务,让 AI Agent(Claude、Cursor、Codex 等)能够访问完整的 Runware API——图像生成、视频生成、音频生成、3D、放大、背景移除、图像描述等功能。

安装

任选一种——npx 最简单,重复使用时全局安装更快。

# Use directly with npx (no install)
npx -y @runware/mcp

# Or install globally
npm install -g @runware/mcp

连接

在 runware.ai 获取 API 密钥。然后将 MCP 添加到 Agent 的配置中。

Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "runware": {
      "command": "npx",
      "args": ["-y", "@runware/mcp"],
      "env": {
        "RUNWARE_API_KEY": "your-api-key"
      }
    }
  }
}

如果你已全局安装:

{
  "mcpServers": {
    "runware": {
      "command": "runware-mcp",
      "env": {
        "RUNWARE_API_KEY": "your-api-key"
      }
    }
  }
}
Cursor

设置 → MCP → 添加服务器——使用上述相同配置。

Codex

使用相同的命令和环境变量添加到 MCP 配置中。

使用方法

连接后,直接与 Agent 对话即可。它会选择合适的工具和模型,并填写参数。

  • “生成一张森林中的猫的图像”
  • “你们有哪些用于视频生成的模型?”
  • “将 https://example.com/photo.jpg 放大 4 倍”
  • “显示我的账户余额”
  • “帮我找一个适合动漫风格的 Civitai LoRA”

Agent 会判断适用的模型、需要传递的参数,以及如何解读响应。提交前,参数会根据每个模型的架构进行验证,因此 Agent 选错值时可以快速得到反馈。

Agent 可用的工具

你无需直接调用这些工具——Agent 会根据你的需求调用。

  • run — 在指定模型上执行任意 Runware 推理任务(图像、视频、音频、3D、放大、图像描述等)
  • model_schema — 获取指定模型的参数架构
  • list_models — 列出 Runware 官方精选模型集成(支持 capability、category、creator、search 筛选条件)
  • model_details — 根据 AIR 获取精选模型的完整元数据
  • model_examples — 获取精选模型的输入/输出示例
  • model_pricing — 获取精选模型的定价概览和各配置示例
  • list_capabilities — 列出所有模型能力(例如 io:text-to-image、op:upscale)及其标签
  • model_search — 搜索社区模型目录(Civitai 微调模型、自定义上传模型)
  • media_storage — 存储媒体(图像、视频、音频、3D 模型)以供输入使用,或删除已存储的媒体
  • model_upload — 上传自定义模型
  • account — 获取账户信息,包括余额和用量
  • get_task_details — 获取先前任务的原始请求和响应

环境变量

变量必需描述
RUNWARE_API_KEY是你的 Runware API 密钥

开发

# Run directly (no build step)
npm run dev

# Build
npm run build

# Test
npm test

# Lint
npm run lint

# Smoke-test the stdio protocol
echo '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test","version":"1.0.0"}}}
{"jsonrpc":"2.0","method":"notifications/initialized"}
{"jsonrpc":"2.0","id":2,"method":"tools/list"}' | RUNWARE_API_KEY=your-key node dist/index.js

# Or use the MCP Inspector for a UI
npx @modelcontextprotocol/inspector node dist/index.js

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。