🍌 MCP 图像生成器

由 Gemini 3 Pro 图像 - Nano Banana Pro 🍌 提供支持

一个强大的 MCP（模型上下文协议）服务器，使AI助手能够使用Google的Gemini 3 Pro图像（Nano Banana Pro 🍌）生成和编辑图像。无缝集成高级图像生成功能到Codex、Cursor、Claude Code和其他兼容MCP的AI工具中。

✨ 特性

• AI驱动的图像生成：使用Gemini 3 Pro图像（Nano Banana Pro）从文本提示创建图像
• 智能提示增强：自动优化您的提示，以获得更高质量的图像
  • 添加摄影和艺术细节
  • 丰富光线、构图和氛围描述
  • 在最大化生成质量的同时保留您的意图
• 图像编辑：使用自然语言指令转换现有图像
  • 意识到上下文的编辑，保留原始风格
  • 维持与源图像的一致视觉效果
• 高分辨率输出：支持2K和4K图像生成
  • 标准质量用于快速生成
  • 2K分辨率用于增强细节
  • 4K分辨率用于具有卓越文字渲染的专业级图像
• 灵活的纵横比：多种纵横比选项（1:1, 16:9, 9:16, 21:9等）
• 高级选项：
  • 多图像融合以创建复合场景
  • 跨生成的角色一致性
  • 集成世界知识以准确上下文
• 多种输出格式：支持PNG、JPEG、WebP
• 文件输出：图像保存为文件，便于访问和集成

🔧 先决条件

• Node.js 20或更高版本
• Gemini API密钥 - 在Google AI Studio获取
• Codex、Cursor 或 Claude Code（具备文件I/O能力的AI工具）
• 基本终端/命令行知识

🚀 快速开始

1. 获取您的Gemini API密钥

从Google AI Studio获取您的API密钥

2. MCP配置

对于Codex

添加到~/.codex/config.toml：

[mcp_servers.mcp-image]
command = "npx"
args = ["-y", "mcp-image"]

[mcp_servers.mcp-image.env]
GEMINI_API_KEY = "your_gemini_api_key_here"
IMAGE_OUTPUT_DIR = "/absolute/path/to/images"

对于Cursor

添加到您的Cursor设置中：

• 全局（所有项目）：~/.cursor/mcp.json
• 特定项目：.cursor/mcp.json在您的项目根目录中

{
  "mcpServers": {
    "mcp-image": {
      "command": "npx",
      "args": ["-y", "mcp-image"],
      "env": {
        "GEMINI_API_KEY": "your_gemini_api_key_here",
        "IMAGE_OUTPUT_DIR": "/absolute/path/to/images"
      }
    }
  }
}

对于Claude Code

在您的项目目录中运行以启用该项目：

cd /path/to/your/project
claude mcp add mcp-image --env GEMINI_API_KEY=your-api-key --env IMAGE_OUTPUT_DIR=/absolute/path/to/images -- npx -y mcp-image

或者为所有项目全局添加：

claude mcp add mcp-image --scope user --env GEMINI_API_KEY=your-api-key --env IMAGE_OUTPUT_DIR=/absolute/path/to/images -- npx -y mcp-image

⚠️ 安全注意事项：切勿将API密钥提交到版本控制中。确保其安全并使用环境特定配置。

📁 路径要求：

• IMAGE_OUTPUT_DIR必须是绝对路径（例如，/Users/username/images，而不是./images）
• 如果未指定，默认为当前工作目录中的./output
• 如果不存在，目录将被自动创建

可选：跳过提示增强

设置SKIP_PROMPT_ENHANCEMENT=true以禁用自动提示优化，并直接将您的提示发送给图像生成器。当您需要完全控制确切的提示措辞时非常有用。

Codex:

[mcp_servers.mcp-image.env]
GEMINI_API_KEY = "your_gemini_api_key_here"
SKIP_PROMPT_ENHANCEMENT = "true"
IMAGE_OUTPUT_DIR = "/absolute/path/to/images"

Cursor: 在您的配置中添加"SKIP_PROMPT_ENHANCEMENT": "true"到env部分。

Claude Code:

claude mcp add mcp-image --env GEMINI_API_KEY=your-api-key --env SKIP_PROMPT_ENHANCEMENT=true --env IMAGE_OUTPUT_DIR=/absolute/path/to/images -- npx -y mcp-image

📖 使用示例

一旦配置完成，您的AI助手可以使用自然语言生成图像：

基础图像生成

"生成一幅宁静的日落山景，带有湖面倒影"

系统会自动增强此提示，包括关于照明、材料、构图和氛围的丰富细节，以达到最佳结果。

图像编辑

"编辑这张图片，让人物面向右侧"
(带输入图片路径："/path/to/image.jpg")

高级特性

角色一致性：

"生成一位中世纪骑士的肖像，保持角色一致性以备未来变化"
(带维持角色一致性：true)

高分辨率4K生成：

"生成一张智能手机的专业产品照片，屏幕上的文字清晰可见"
(带图像大小："4K")

自定义纵横比：

"生成一幅黄昏时分沙漠的电影风景"
(带纵横比："21:9")

🔧 API参考

generate_image 工具

该MCP服务器公开了一个用于所有图像操作的单一工具。内部，它使用两阶段过程：

1. 提示优化：Gemini 2.0 Flash分析并丰富您的提示
2. 图像生成：Gemini 3 Pro Image创建最终图像

参数

参数	类型	必需	描述
prompt	字符串	✅	文本描述或编辑指令
inputImagePath	字符串	-	编辑用输入图像的绝对路径
fileName	字符串	-	输出的自定义文件名（如果未指定则自动生成）
aspectRatio	字符串	-	生成图像的纵横比。支持值：1:1（正方形，默认），2:3，3:2，3:4，4:3，4:5，5:4，9:16，16:9，21:9
imageSize	字符串	-	高质量输出的图像分辨率。指定2K或4K以获得更高分辨率的图像，具有更好的文字渲染和精细细节。未指定时为标准质量。支持值：2K，4K
blendImages	布尔值	-	启用多图像融合以自然地结合多个视觉元素
maintainCharacterConsistency	布尔值	-	在不同姿势和场景之间保持角色外观一致性
useWorldKnowledge	布尔值	-	使用现实世界的知识以获得准确的上下文（建议用于历史人物、地标或事实场景）
useGoogleSearch	布尔值	-	启用Google搜索接地以访问实时网络信息，进行事实准确的图像生成。当提示需要当前或时间敏感的数据时使用，这些数据可能已超出模型的知识截止日期。对于创意、虚构、历史或永恒内容，请保持关闭状态。

响应

{
  "type": "resource",
  "resource": {
    "uri": "file:///path/to/generated/image.png",
    "name": "image-filename.png",
    "mimeType": "image/png"
  },
  "metadata": {
    "model": "gemini-3-pro-image-preview",
    "processingTime": 5000,
    "timestamp": "2024-01-01T12:00:00.000Z"
  }
}

🛠️ 故障排除

常见问题

"未找到API密钥"

• 确保在环境中设置了GEMINI_API_KEY
• 验证API密钥有效且具有图像生成权限

"找不到输入图像文件"

• 使用绝对文件路径，而非相对路径
• 确保文件存在且可访问
• 支持的格式：PNG、JPEG、WebP（最大10MB）

"Gemini API响应中未找到图像数据"

• 尝试重新表述您的提示，提供更多具体细节
• 确保您的提示适合图像生成
• 检查您的API密钥是否具有足够的配额

性能提示

• 图像生成：典型时间为30-60秒（包括提示优化）
• 图像编辑：典型时间为15-45秒（包括上下文分析）
• 高分辨率生成（2K/4K）：可能需要更长时间，但提供卓越的质量
• 简单提示效果很好——AI会自动添加专业细节
• 复杂提示会被保留并进一步增强
• 考虑启用useWorldKnowledge以处理历史或事实主题
• 当文字清晰度和精细细节至关重要时使用imageSize: "4K"

💰 使用说明

• 此MCP服务器使用付费的Gemini API进行提示优化和图像生成
  • Gemini 2.0 Flash用于智能提示增强（最小令牌使用）
  • Gemini 3 Pro Image用于实际图像生成
• 查看当前定价和速率限制，请访问Google AI Studio
• 监控您的API使用情况，避免意外费用
• 提示优化步骤增加了极小的成本，但显著提高了输出质量

📄 许可

MIT许可 - 详情参见LICENSE。

---

需要帮助？ 打开一个问题或查看上面的故障排除部分。