星战科技xingzhan.cloud
返回市场
调用ai-mcp服务器

调用ai-mcp服务器

作者：coinstax2 星标更新：2025-10-13
安装使用来源：spider==github.com

项目介绍

InvokeAI MCP 服务器

一个集成 InvokeAI 和 Claude Code 的 模型上下文协议 (MCP) 服务器，使您能够直接从您的 AI 助手生成、转换和放大图像。

许可证：MIT

概述

此 MCP 服务器提供了一个无缝连接 Claude Code 和本地 InvokeAI 实例的桥梁，无需离开您的开发环境即可实现强大的图像生成工作流程。非常适合创建项目所需的徽标、图标、插图和其他视觉资产。

特性

  • 文本到图像生成：根据自然语言描述生成图像
  • 图像到图像转换：优化、修改或风格化现有图像
  • LoRA 支持：应用微调的 LoRA 模型以实现特定风格（如徽标、插图等）
  • 完整的 SDXL 支持：自动检测并正确配置带有双 CLIP 编码器的 SDXL 模型
  • VAE 替换支持：使用外部 VAE 模型修复不兼容的内置 VAE 或针对特定用例进行优化
  • AI 驱动的放大：使用最先进的 Spandrel 模型将图像放大到更高的分辨率（2x-4x）
  • 灵活的模型支持：与 Stable Diffusion 1.5、SDXL 和自定义微调模型兼容
  • 全面的参数控制：通过宽度、高度、步骤、CFG 比率、调度器和种子微调生成过程
  • 队列管理：监控和跟踪 InvokeAI 处理状态

先决条件

  • InvokeAI：运行实例（v4.0+），可通过 http://127.0.0.1:9090（或自定义 URL）访问
  • Claude Code：已安装并配置 Anthropic 的 Claude CLI 工具
  • Python：版本 3.8 或更高
  • 硬件：GPU 具有足够的 VRAM 用于所选模型（参见 模型需求）

安装

方案 1：从 PyPI 安装（推荐）

最简单的安装 InvokeAI MCP 服务器的方法：

pip install invokeai-mcp-server

然后在 Claude Code 中注册：

# Linux/macOS/WSL
claude mcp add --scope user invokeai python -m invokeai_mcp_server

# Windows
claude mcp add --scope user invokeai python -m invokeai_mcp_server

方案 2：通过 Smithery 安装

使用 Smithery CLI 进行自动配置安装：

npx @smithery/cli install invokeai --client claude

方案 3：从源代码安装

适用于开发或定制：

# 克隆仓库
git clone https://github.com/coinstax/invokeai-mcp-server.git
cd invokeai-mcp-server

# 运行自动化设置脚本
./setup.sh

或者手动：

# 克隆仓库
git clone https://github.com/coinstax/invokeai-mcp-server.git
cd invokeai-mcp-server

# 创建并激活虚拟环境
python3 -m venv venv
source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate

# 安装依赖项
pip install -r requirements.txt

配置

仅限源代码安装

如果您是从源代码安装的，请在 Claude Code 中注册：

Linux/WSL/macOS:

claude mcp add --scope user invokeai \
  ~/invokeai-mcp-server/venv/bin/python \
  ~/invokeai-mcp-server/invokeai_mcp_server.py

Windows:

claude mcp add --scope user invokeai ^
  C:\path\to\invokeai-mcp-server\venv\Scripts\python.exe ^
  C:\path\to\invokeai-mcp-server\invokeai_mcp_server.py

验证安装

claude mcp list

预期输出：

invokeai: ... - ✓ 已连接

注册后，重启 Claude Code 或开始新的对话以访问工具。

使用

可用工具

generate_image

根据文本提示生成图像，可选支持 LoRA。

参数：

  • prompt（字符串，必需）：要生成的图像描述
  • negative_prompt（字符串，可选）：生成时避免的元素
  • width（整数，可选，默认值：512）：图像宽度（64-2048 像素）
  • height（整数，可选，默认值：512）：图像高度（64-2048 像素）
  • steps（整数，可选，默认值：30）：去噪步骤（1-150）
  • cfg_scale（浮点数，可选，默认值：7.5）：指导比例（1.0-20.0）
  • scheduler（字符串，可选，默认值："euler"）：采样调度器
  • seed（整数，可选）：用于可重复性的随机种子
  • model_key（字符串，可选）：特定模型标识符
  • lora_key（字符串，可选）：用于微调风格控制的 LoRA 模型标识符
  • lora_weight（浮点数，可选，默认值：1.0）：LoRA 强度（0.0-2.0）
  • vae_key（字符串，可选）：覆盖模型内置 VAE 的 VAE 模型标识符

示例：

生成一个蓝色和白色、几何形状、扁平设计的极简科技徽标

带有 LoRA 的示例：

使用 logomkrdsxl LoRA 生成专业徽标，提示：“科技初创公司徽标，现代，简洁”

img2img

使用文本引导对现有图像进行变换，可选支持 LoRA。

参数：

  • image_path（字符串，必需）：源图像路径或来自先前生成的 image_name
  • prompt（字符串，必需）：所需变换的描述
  • negative_prompt（字符串，可选）：避免的元素
  • strength（浮点数，可选，默认值：0.75）：变换强度（0.0-1.0）
  • steps（整数，可选，默认值：30）：去噪步骤（1-150）
  • cfg_scale（浮点数，可选，默认值：7.5）：指导比例（1.0-20.0）
  • scheduler（字符串，可选，默认值："euler"）：采样调度器
  • seed（整数，可选）：用于可重复性的随机种子
  • model_key（字符串，可选）：特定模型标识符
  • lora_key（字符串，可选）：用于微调风格控制的 LoRA 模型标识符
  • lora_weight（浮点数，可选，默认值：1.0）：LoRA 强度（0.0-2.0）
  • vae_key（字符串，可选）：覆盖模型内置 VAE 的 VAE 模型标识符

示例：

以强度 0.6 对此徽标进行精炼：/path/to/sketch.png
提示：专业抛光徽标，干净线条，现代美学

带有 LoRA 的示例：

以强度 0.6 使用 logomkrdsxl LoRA 转换 logo.png，使其更专业

upscale_image

使用 AI 放大增强图像分辨率。

参数：

  • image_path（字符串，必需）：图像路径或来自先前生成的 image_name
  • model_key（字符串，可选）：特定放大模型（如果省略则自动选择）

示例：

将此图像放大到高分辨率：generated_logo.png

list_models

列出 InvokeAI 实例中的可用模型。

参数：

  • model_type（字符串，可选，默认值："main"）：模型类型（main、vae、lora、controlnet、embedding、spandrel_image_to_image）

示例：

列出所有可用的 SDXL 模型

get_queue_status

检查 InvokeAI 处理队列状态。

参数：

  • queue_id（字符串，可选，默认值："default"）：队列标识符

模型需求

VRAM 需求

模型类型最小 VRAM推荐 VRAM备注
SD 1.54GB6-8GB更快的生成速度，适合迭代
SDXL8GB12GB+更高质量，但生成速度较慢
放大（Spandrel）4GB6GB+取决于源图像分辨率

推荐模型

基础模型

Stable Diffusion XL (SDXL)

  • 适用于详细图形和插图的优越质量
  • 更好的文本渲染能力
  • 适合最终生产资产
  • 下载地址：Stability AI 在 HuggingFace

Stable Diffusion 1.5

专用模型（LoRAs）

  • 矢量插图 LoRA - 清洁的矢量风格图形
  • Logo Maker 9000 SDXL - 专门用于徽标生成
  • 扁平设计 LoRAs - 现代 UI/UX 风格插图

模型存储库：

注意：FLUX 模型使用不同的架构，可能与 InvokeAI 的工作流系统兼容性有限。为了获得最佳效果，请使用基于 SD 1.5 或 SDXL 的模型。

工作流程示例

徽标设计流水线

1. 使用 LoRA 生成初始概念（512x512，25 步骤，logomkrdsxl LoRA）
2. 使用 img2img + LoRA 精炼（强度 0.6-0.7）
3. 放大到高分辨率（4x）
4. 导出最终资产

LoRA 工作流程

1. 列出可用的 LoRAs：list_models(model_type="lora")
2. 使用 LoRA 生成：generate_image(prompt="...", lora_key="...", lora_weight=1.0)
3. 尝试不同权重：尝试 0.5（微妙）、1.0（标准）、1.5（强烈）
4. 结合 img2img 进行迭代精炼

快速原型设计

1. 生成变体（使用 SD 1.5 提高速度）
2. 选择最佳候选
3. 放大到生产分辨率
4. 使用 img2img 应用最终精炼

架构

服务器实现了基于图的工作流系统，与 InvokeAI 的节点架构接口：

  1. 模型加载 - 初始化选定的 SD 模型和 VAE
  2. 提示编码 - 通过 CLIP 处理正负提示
  3. 潜在生成 - 创建具有指定维度的噪声张量
  4. 去噪 - 使用扩散过程迭代精炼潜变量
  5. 解码 - 通过 VAE 将潜变量转换为像素空间
  6. 输出 - 将最终图像保存到 InvokeAI 存储中

所有工作流都由服务器根据请求的操作自动构建和管理。

故障排除

服务器无法连接

症状：MCP 服务器未出现在 Claude Code 工具列表中

解决方案：

  1. 验证 InvokeAI 是否正在运行：curl http://127.0.0.1:9090/api/v1/app/version
  2. 检查服务器注册：claude mcp list
  3. 重启 Claude Code 或开始新的对话
  4. 检查 Python 依赖项：pip install -r requirements.txt

常见问题

问题原因解决方案
连接被拒绝InvokeAI 未运行启动 InvokeAI 服务
没有可用模型模型未安装通过 InvokeAI 模型管理器安装模型
导入错误缺少依赖项运行 pip install -r requirements.txt
生成失败VRAM 不足减小图像大小或使用 SD 1.5
放大失败没有 Spandrel 模型在 InvokeAI 中安装放大模型
SDXL + LoRA 问题模型不兼容确保 LoRA 基础类型与 SDXL 模型匹配
黑色图像（SDXL）损坏或缺失 VAE使用 VAE 替换：vae_key: "sdxl.vae" 或 vae_key: "sdxl-vae-fp16-fix"

卸载

如果通过 PyPI 安装：

pip uninstall invokeai-mcp-server
claude mcp remove invokeai

如果通过 Smithery 安装：

smithery uninstall invokeai --client claude

如果从源代码安装：

claude mcp remove invokeai

开发

测试

直接测试服务器：

python3 invokeai_mcp_server.py

服务器将以 stdio 模式启动，等待 MCP 协议消息。

项目结构

invokeai-mcp-server/
├── invokeai_mcp_server.py    # 主服务器实现
├── requirements.txt           # Python 依赖项
├── setup.sh                   # 自动化设置脚本
├── README.md                  # 文档
└── LICENSE                    # MIT 许可证

贡献

欢迎贡献！请随时提交问题、功能请求或拉取请求。

许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

致谢

链接