R

Replicate Flux生成器

@awkoy/replicate-flux-mcp
2 Stars 613 次浏览 awkoy 更新于 2026-08-23

用于复制通量模型的MCP。通过提示生成图像。

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "image-generation-mcp": {
      "args": [
        "/Users/{USERNAME}/{PATH_TO}/replicate-flux-mcp/build/index.js"
      ],
      "command": "npx",
      "env": {
        "REPLICATE_API_TOKEN": "YOUR REPLICATE API TOKEN"
      }
    },
    "replicate-flux-mcp": {
      "args": [
        "-y",
        "replicate-flux-mcp"
      ],
      "command": "env REPLICATE_API_TOKEN=YOUR_TOKEN npx"
    }
  }
}

该服务需要配置环境变量:REPLICATE_API_TOKEN

服务介绍

复制 Flux MCP

MCP 兼容
许可证
TypeScript
模型上下文协议
smithery 徽章
NPM 下载量
星标

复制 Flux MCP 是一个先进的模型上下文协议 (MCP) 服务器,它使 AI 助手能够生成高质量的图像和矢量图形。通过 Replicate API 利用 Black Forest Labs 的 Flux Schnell 模型 生成光栅图像,并利用 Recraft 的 V3 SVG 模型 生成矢量图形。

📑 目录

🚀 开始使用 & 集成

设置过程

  1. 获取 Replicate API 令牌

    • Replicate 注册
    • 在账户设置中创建一个 API 令牌
  2. 选择您的集成方法

    • 根据您首选的 MCP 客户端,选择以下集成选项之一
  3. 请求您的 AI 助手生成图像

    • 简单地自然提问:“你能生成一幅宁静的山景日落图像吗?”
    • 或者更具体一些:“请创建一幅展示平静山景的图像,前景中有湖水反射出日落的颜色”
  4. 探索高级功能

    • 尝试不同的参数设置以获得定制结果
    • 使用 generate_svg 试验 SVG 生成
    • 使用批量图像生成或变体生成功能

Cursor 集成

方法 1:使用 mcp.json

  1. 在项目目录中创建或编辑 .cursor/mcp.json 文件:
{
  "mcpServers": {
    "replicate-flux-mcp": {
      "command": "env REPLICATE_API_TOKEN=YOUR_TOKEN npx",
      "args": ["-y", "replicate-flux-mcp"]
    }
  }
}
  1. YOUR_TOKEN 替换为您的实际 Replicate API 令牌
  2. 重启 Cursor 以应用更改

方法 2:手动模式

  1. 打开 Cursor 并进入设置
  2. 导航到 "MCP" 或 "模型上下文协议" 部分
  3. 点击 "添加服务器" 或等效按钮
  4. 在适当字段中输入以下命令:
env REPLICATE_API_TOKEN=YOUR_TOKEN npx -y replicate-flux-mcp
  1. YOUR_TOKEN 替换为您的实际 Replicate API 令牌
  2. 保存设置,如果需要的话重启 Cursor

Claude 桌面集成

  1. 在配置目录中创建或编辑 mcp.json 文件:
{
  "mcpServers": {
    "replicate-flux-mcp": {
      "command": "npx",
      "args": ["-y", "replicate-flux-mcp"],
      "env": {
        "REPLICATE_API_TOKEN": "YOUR TOKEN"
      }
    }
  }
}
  1. YOUR_TOKEN 替换为您的实际 Replicate API 令牌
  2. 重启 Claude 桌面应用以使更改生效

Smithery 集成

此 MCP 服务器作为托管服务在 Smithery 上提供,允许您无需自己设置服务器即可使用它。

  1. 访问 Smithery 并创建一个帐户(如果您还没有的话)
  2. 导航到 Replicate Flux MCP 服务器页面
  3. 点击“添加到工作区”将服务器添加到您的 Smithery 工作区
  4. 配置您的 MCP 客户端(Cursor、Claude 桌面版等)以使用您的 Smithery 工作区 URL

有关如何将 Smithery 与您的 MCP 客户端一起使用的更多信息,请访问 Smithery 文档

Glama.ai 集成

此 MCP 服务器也作为托管服务在 Glama.ai 上提供,为您提供另一种无需本地设置即可使用的选项。

  1. 访问 Glama.ai 并创建一个帐户(如果您还没有的话)
  2. 前往 Replicate Flux MCP 服务器页面
  3. 点击“安装服务器”将其添加到您的工作区
  4. 配置您的 MCP 客户端以使用您的 Glama.ai 工作区

欲了解更多信息,请访问 Glama.ai MCP 服务器文档

🌟 功能亮点

  • 🖼️ 高质量图像生成 - 使用先进的 AI 模型 Flux Schnell 创建令人惊叹的图片
  • 🎨 支持矢量图形 - 通过 Recraft V3 SVG 模型生成专业的 SVG 矢量图形
  • 🤖 AI 助手集成 - 无缝启用像 Claude 这样的 AI 助手来生成视觉内容
  • 🎛️ 高级自定义 - 通过控制宽高比、质量、分辨率等参数精细调整生成效果
  • 🔌 通用 MCP 兼容性 - 与所有 MCP 客户端兼容,包括 Cursor、Claude 桌面版、Cline 和 Zed
  • 🔒 安全本地处理 - 所有请求都在本地处理,增强隐私和安全性
  • 🔍 全面的历史记录管理 - 跟踪、查看并检索完整的生成历史
  • 📊 批量处理 - 从单个请求中的不同提示生成多张图片
  • 🔄 变体探索 - 为同一概念创建并比较多个解释
  • ✏️ 提示工程 - 通过专门的提示修改微调图片变化

📚 文档

可用工具

generate_image

基于文本提示使用 Flux Schnell 模型生成图片。

{
  prompt: string;                // Required: Text description of the image to generate
  seed?: number;                 // Optional: Random seed for reproducible generation
  go_fast?: boolean;             // Optional: Run faster predictions with optimized model (default: true)
  megapixels?: "1" | "0.25";     // Optional: Image resolution (default: "1")
  num_outputs?: number;          // Optional: Number of images to generate (1-4) (default: 1)
  aspect_ratio?: string;         // Optional: Aspect ratio (e.g., "16:9", "4:3") (default: "1:1")
  output_format?: string;        // Optional: Output format ("webp", "jpg", "png") (default: "webp")
  output_quality?: number;       // Optional: Image quality (0-100) (default: 80)
  num_inference_steps?: number;  // Optional: Number of denoising steps (1-4) (default: 4)
  disable_safety_checker?: boolean; // Optional: Disable safety filter (default: false)
}

generate_multiple_images

基于一组提示使用 Flux Schnell 模型生成多张图片。

{
  prompts: string[];             // Required: Array of text descriptions for images to generate (1-10 prompts)
  seed?: number;                 // Optional: Random seed for reproducible generation
  go_fast?: boolean;             // Optional: Run faster predictions with optimized model (default: true)
  megapixels?: "1" | "0.25";     // Optional: Image resolution (default: "1")
  aspect_ratio?: string;         // Optional: Aspect ratio (e.g., "16:9", "4:3") (default: "1:1")
  output_format?: string;        // Optional: Output format ("webp", "jpg", "png") (default: "webp")
  output_quality?: number;       // Optional: Image quality (0-100) (default: 80)
  num_inference_steps?: number;  // Optional: Number of denoising steps (1-4) (default: 4)
  disable_safety_checker?: boolean; // Optional: Disable safety filter (default: false)
}

generate_image_variants

根据单一提示生成同一图片的多个变体。

{
  prompt: string;                // Required: Text description for the image to generate variants of
  num_variants: number;          // Required: Number of image variants to generate (2-10, default: 4)
  prompt_variations?: string[];  // Optional: List of prompt modifiers to apply to variants (e.g., ["in watercolor style", "in oil painting style"])
  variation_mode?: "append" | "replace"; // Optional: How to apply variations - 'append' adds to base prompt, 'replace' uses variations directly (default: "append")
  seed?: number;                 // Optional: Base random seed. Each variant will use seed+variant_index
  go_fast?: boolean;             // Optional: Run faster predictions with optimized model (default: true)
  megapixels?: "1" | "0.25";     // Optional: Image resolution (default: "1")
  aspect_ratio?: string;         // Optional: Aspect ratio (e.g., "16:9", "4:3") (default: "1:1")
  output_format?: string;        // Optional: Output format ("webp", "jpg", "png") (default: "webp")
  output_quality?: number;       // Optional: Image quality (0-100) (default: 80)
  num_inference_steps?: number;  // Optional: Number of denoising steps (1-4) (default: 4)
  disable_safety_checker?: boolean; // Optional: Disable safety filter (default: false)
}

generate_svg

基于文本提示生成 SVG 图形。

根据文本提示使用 Recraft V3 SVG 模型生成一个 SVG 矢量图像。

{
  prompt: string;                // Required: Text description of the SVG to generate
  size?: string;                 // Optional: Size of the generated SVG (default: "1024x1024")
  style?: string;                // Optional: Style of the generated image (default: "any")
                                // Options: "any", "engraving", "line_art", "line_circuit", "linocut"
}

prediction_list

从 Replicate 获取您的最近预测列表。

{
  limit?: number;  // Optional: Maximum number of predictions to return (1-100) (default: 50)
}

get_prediction

获取有关特定预测的详细信息。

{
  predictionId: string;  // Required: ID of the prediction to retrieve
}

可用资源

imagelist

浏览使用 Flux Schnell 模型生成的图像历史记录。

svglist

浏览使用 Recraft V3 SVG 模型生成的 SVG 图像历史记录。

predictionlist

浏览所有您的 Replicate 预测历史记录。

💻 开发

  1. 克隆仓库:
git clone https://github.com/yourusername/replicate-flux-mcp.git
cd replicate-flux-mcp
  1. 安装依赖项:
npm install
  1. 启动开发模式:
npm run dev
  1. 构建项目:
npm run build
  1. 连接到客户端:
{
  "mcpServers": {
    "image-generation-mcp": {
      "command": "npx",
      "args": [
        "/Users/{USERNAME}/{PATH_TO}/replicate-flux-mcp/build/index.js"
      ],
      "env": {
        "REPLICATE_API_TOKEN": "YOUR REPLICATE API TOKEN"
      }
    }
  }
}

⚙️ 技术细节

技术栈

  • 模型上下文协议 SDK - 为核心 MCP 功能提供工具和资源管理
  • Replicate API - 提供访问最先进的 AI 图像生成模型
  • TypeScript - 确保类型安全并利用现代 JavaScript 特性
  • Zod - 实现运行时类型验证,以确保稳健的 API 交互

配置

可以通过修改 src/config/index.ts 中的 CONFIG 对象来配置服务器:

const CONFIG = {
  serverName: "replicate-flux-mcp",
  serverVersion: "0.1.2",
  imageModelId: "black-forest-labs/flux-schnell",
  svgModelId: "recraft-ai/recraft-v3-svg",
  pollingAttempts: 25,
  pollingInterval: 2000, // ms
};

🔍 故障排除

常见问题

身份验证错误

  • 确保环境中的 REPLICATE_API_TOKEN 正确设置
  • 通过直接测试 Replicate API 来验证令牌是否有效

安全过滤器触发

  • 模型内置的安全过滤器可能会阻止某些提示
  • 尝试修改您的提示以避免潜在的问题内容

超时错误

  • 对于较大的图像或繁忙的服务器,您可能需要增加配置中的 pollingAttemptspollingInterval
  • 默认设置应适用于大多数情况

🤝 贡献

欢迎贡献!请按照以下步骤进行贡献:

  1. 分叉仓库
  2. 创建您的功能分支 (git checkout -b feature/amazing-feature)
  3. 提交更改 (git commit -m 'Add some amazing feature')
  4. 推送到分支 (git push origin feature/amazing-feature)
  5. 打开拉取请求

对于功能请求或 bug 报告,请创建一个 GitHub 问题。如果您喜欢这个项目,请考虑给仓库加星!

📄 许可证

此项目根据 MIT 许可证发布 - 详情请参阅 LICENSE 文件。

🔗 资源

🎨 示例

Demo

多个提示 提示变体

这里有一些如何使用这些工具的例子:

使用 generate_multiple_images 进行批量图像生成

一次创建多个具有不同提示的独特图像:

{
  "prompts": [
    "A red sports car on a mountain road", 
    "A blue sports car on a beach", 
    "A vintage sports car in a city street"
  ]
}

使用 generate_image_variants 创建图像变体

使用种子创建同一概念的不同解释:

{
  "prompt": "A futuristic city skyline at night",
  "num_variants": 4,
  "seed": 42
}

或者通过提示修饰符探索风格变化:

{
  "prompt": "A character portrait",
  "prompt_variations": [
    "in anime style", 
    "in watercolor style", 
    "in oil painting style", 
    "as a 3D render"
  ]
}

由 Yaroslav Boiko 用❤️制作

相关 MCP 服务