# MCP Image Task 一个基于 [Model Context Protocol (MCP)](https://modelcontextprotocol.io/) 的图片生成服务,对接智谱 BigModel 的 `CogView` 系列模型。每次调用通过 HTTP header 传入智谱 API 的 Bearer Token。只有一个工具 `image_task`,用 `op` 区分动作(`create` / `get`),对外提供与 `video_task` 一致的**异步任务**契约;上游为同步接口,异步语义由服务自维护的任务表模拟(见「架构与文件」)。 - 协议:MCP **Streamable HTTP**(单端点 `/mcp`,支持 SSE 流) - 上游:[智谱 BigModel Images Generations API](https://open.bigmodel.cn/dev/api#images) - 默认模型:`CogView-3-Flash` - 端口:`3000` - 鉴权:**无服务端密钥**,每次请求必须从 header 携带智谱 token --- ## 快速开始 ### 启动(docker-compose) 仓库根目录 `docker-compose.yml` 已包含本服务: ```bash cd /root/workspace/tools/mcp docker compose up -d --build mcp_image_task ``` 服务容器名 `mcp_image_task`,容器内端口 3000,**默认不占宿主端口**:agent 走 `agent-mcp-net` 按容器名访问(`http://mcp_image_task:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根 `docker-compose.yml` 把 `mcp_image_task` 注释掉的 `ports` 两行打开(默认写的是 8082),调试完记得注释回去。 ```bash # 不占端口的健康检查 docker exec mcp_image_task node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)" # {"status":"ok","service":"image_task","sessions":0,"tasks":0} ``` ### MCP 客户端配置 #### Claude Desktop / Cursor 等支持 `headers` 配置的客户端 ```jsonc // Claude Desktop: ~/Library/Application Support/Claude/claude_desktop_config.json // Cursor: ~/.cursor/mcp.json { "mcpServers": { "image_task": { "url": "http://localhost:8082/mcp", "headers": { "Authorization": "Bearer " } } } } ``` > 上面 `url` 里的端口 `8082` 需要先把 compose 里注释的 `ports` 打开(默认不占宿主端口)。 > **重要**:客户端必须在 **每一个 HTTP 请求**(`initialize` / `notifications/initialized` / `tools/call`)都带上 `Authorization` header。配置在 `headers` 里、由客户端自动重发即可。直连模式下 token 不在 session 间共享。 #### 不支持 `headers` 字段的客户端 如果客户端只支持 `command`/`args` 启动方式,可改用 stdio 模式(需自行包一层把 token 注入环境变量,再让工具回调从环境变量读——当前实现 HTTP 模式下不依赖环境变量,需自行扩展)。 --- ## 工具:image_task 管理图片生成异步任务。典型流程:`op=create` 拿 `task_id`,然后不断 `op=get` 直到 `task_status` 为 `SUCCESS` 或 `FAIL`。 | op | 作用 | 说明 | |---|---|---| | `create` | 提交图片生成任务,**立即**返回 `task_id`,生成在后台执行 | 需要 `prompt` | | `get` | 查询任务状态;`SUCCESS` 时返回图片 URL | 需要 `task_id` | > 上游智谱 images 接口是同步阻塞的;这里的异步是对外的统一形态(对齐 `video_task`),服务内部把同步调用丢到后台跑并回写任务表。 ### 参数(AI 可见) | 名称 | 类型 | 必填 | 说明 | |---|---|---|---| | `op` | `"create"` \| `"get"` | ✅ | 要执行的操作 | | `prompt` | string | op=create 时 ✅ | 图片生成提示词,描述想要的画面内容 | | `task_id` | string | op=get 时 ✅ | `op=create` 返回的任务 ID | > 图片尺寸不再透传,走上游默认;尺寸档位与成本/成功率挂钩,AI 传错值经常直接报错。 ### Model 控制(不在工具参数中暴露) 模型名由调用方在 **tools/call 这一次的 HTTP header** 中传递,**AI 看不到也填不了**,避免其误传。识别顺序(首个非空值生效): | 优先级 | Header | |---|---| | 1 | `X-Image-Task-Model` | | 2 | `X-Mcp-Model` | | 3 | `X-Model` | 如果都没传,走代码内常量 `DEFAULT_MODEL = "CogView-3-Flash"`。 **为什么不放进工具参数?** 调用方一般是 AI 助手(Claude / Cursor 等),它不需要也没能力选择用哪个模型;模型选择属于部署/路由策略,由请求的发起方在 HTTP header 里注入更可控。 ### 返回 `op=create` 成功时立即返回 `task_id`(生成已转入后台): ```jsonc { "content": [ { "type": "text", "text": "Model: CogView-3-Flash\ntask_id: \ntask_status: PROCESSING\n\nImage generation is running in background. Call this tool again with op=\"get\" and task_id=\"\" to fetch the result." } ] } ``` `op=get` 按任务状态返回: - `PROCESSING`:提示几秒后再查; - `SUCCESS`:若干 `text` 块,第一块是摘要,后续每块各包含一张图片的 URL(方便 LLM 直接贴图或下载): ```jsonc { "content": [ { "type": "text", "text": "task_id: \nmodel: CogView-3-Flash\ntask_status: SUCCESS\nImage 1: https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." }, { "type": "text", "text": "https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." } ] } ``` - `FAIL`:`isError: true`,正文含 `task_status: FAIL` 与错误信息(上游 4xx/5xx、无 URL 返回等都会归档到这里)。 URL 由智谱签名下发,**带有效期**(通常 24h),如需长期保存请在收到后及时转存到自己的存储。 --- ## 鉴权细节 每个 HTTP 请求必须携带智谱 API Token,server 从以下 header 字段按顺序识别,**首个非空值生效**: | 优先级 | Header | 说明 | |---|---|---| | 1 | `X-Image-Task-Token: ` | 直传,避免与客户端自身的 Authorization 冲突 | | 2 | `X-Mcp-Token: ` | 通用兜底 | | 3 | `Authorization: Bearer ` | 标准 OAuth 风格(排最后是为避免误用) | Token 仅在每次 tool call 时从 header 读取,不写入任何存储、不进 session。 ### 错误响应 | 场景 | HTTP 状态 | 表现 | |---|---|---| | initialize 时缺 token | `401` | JSON-RPC `error.message` 提示补充 header | | op=create 缺 prompt / op=get 缺 task_id | `200`(MCP 工具返回) | `isError: true`,参数提示 | | op=get 查不到任务(ID 错/已过期/服务重启过) | `200`(MCP 工具返回) | `isError: true`,提示 unknown task_id | | 智谱 API 4xx/5xx | `200`(MCP 工具返回) | 在 `op=get` 中以 `isError: true` + `task_status: FAIL` 呈现,正文含智谱返回的状态码和 body | | 网络失败 | `200`(MCP 工具返回) | 同上,`task_status: FAIL`,正文含 `fetch` 错误信息 | --- ## 用 curl 手工调试 MCP Streamable HTTP 不是普通 REST,**必须按顺序**:`initialize` → `notifications/initialized` → `tools/call`。下面用一行版串起来: ```bash # 把 替换成你智谱的 API Key TOKEN="" # 1. initialize 拿 sessionId SESSION=$(curl -s -D - -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -H "Authorization: Bearer $TOKEN" \ -d '{ "jsonrpc": "2.0", "id": 1, "method": "initialize", "params": { "protocolVersion": "2024-11-05", "capabilities": {}, "clientInfo": { "name": "curl", "version": "1.0" } } }' | grep -i '^mcp-session-id:' | awk '{print $2}' | tr -d '\r\n') echo "Session: $SESSION" # 2. notifications/initialized curl -s -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -H "Authorization: Bearer $TOKEN" \ -H "Mcp-Session-Id: $SESSION" \ -d '{"jsonrpc": "2.0", "method": "notifications/initialized"}' # 3. 列出工具(可选验证) curl -s -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -H "Authorization: Bearer $TOKEN" \ -H "Mcp-Session-Id: $SESSION" \ -d '{"jsonrpc": "2.0", "id": 2, "method": "tools/list"}' # 4. 调 image_task(op=create,立即返回 task_id) curl -s -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -H "Authorization: Bearer $TOKEN" \ -H "Mcp-Session-Id: $SESSION" \ -d '{ "jsonrpc": "2.0", "id": 3, "method": "tools/call", "params": { "name": "image_task", "arguments": { "op": "create", "prompt": "一只可爱的小猫咪,坐在阳光明媚的窗台上,背景是蓝天白云" } } }' # 5. 拿上一步返回的 task_id 轮询结果(直到 SUCCESS / FAIL) curl -s -X POST http://localhost:8082/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -H "Authorization: Bearer $TOKEN" \ -H "Mcp-Session-Id: $SESSION" \ -d '{ "jsonrpc": "2.0", "id": 4, "method": "tools/call", "params": { "name": "image_task", "arguments": { "op": "get", "task_id": "<上一步返回的 task_id>" } } }' ``` 响应是 SSE 格式(`event: message` + `data: {...}`),用 `grep '^data:'` 抽 JSON 即可。 --- ## 架构与文件 ``` image_task/ ├── Dockerfile # node:22-slim,安装依赖后启动 MCP HTTP server ├── .dockerignore # 排除 node_modules ├── package.json # @modelcontextprotocol/sdk + express + zod ├── README.md # 本文件 └── src/ └── mcp-server.js # 单文件实现:HTTP server + MCP transport + 单工具(op 分发) ``` ### 关键设计 - **单工具 + `op` 分发**:`image_task(op=create|get)`,与 `video_task` 的服务形态完全一致,agent 侧一套轮询逻辑通吃图片/视频 - **同步上游 → 异步契约**:智谱 images 接口只支持同步,所以服务自维护一张任务表来模拟异步: - `create` 本地生成 `task_id`(`randomUUID`),登记 `PROCESSING`,把同步调用丢后台(fire-and-forget),立即返回 - 后台完成时回写 `SUCCESS`(含 URLs)或 `FAIL`(含错误) - `get` 只读本地表,不碰上游 - 表为进程内存 Map:已完成任务保留 1 小时(TTL)、容量上限 1000,每次 `create` 顺带淘汰;**容器重启后任务丢失**,`get` 会报 unknown task_id;**不适用于多副本部署**(表不互通) - token/model 在 `create` 那一刻从请求 header 捕获进闭包,后台完成前不再读取,保持「每请求读 header」的无状态设计 - **每 session 一个 transport + server**:通过 `Mcp-Session-Id` 复用,避免每请求重建 - **模型参数不入 schema**:model 只从 HTTP header 读取(`X-Image-Task-Model` / `X-Mcp-Model` / `X-Model`),AI 不可见 - **URL 提取**:`response.data[].url` 为准,若返回 `b64_json` 也会一并归档进任务表 ### 默认模型 ```js // src/mcp-server.js const DEFAULT_MODEL = "CogView-3-Flash"; ``` 修改后 `docker compose up -d --build mcp_image_task` 即可生效。 --- ## 常见问题 **Q: AI 不知道有哪些 model 可选,怎么办?** A: 这是设计意图。模型选择属于路由策略,不让 AI 决策。调用方在 HTTP header `X-Image-Task-Model` 里注入即可。 **Q: 换模型需要重连 MCP session 吗?** A: 不需要。Model header 在每次 `tools/call` 都从当前请求读取,不需要重建 session。 **Q: 上游是同步接口,为什么对外做成异步?** A: 为了和 `video_task` 保持同一套任务型契约,agent 侧只需维护一种「create 后轮询 get」的调用模式。同步调用被放到后台执行,对 AI 而言表现为标准异步任务。 **Q: create 之后服务容器重启了,get 会怎样?** A: 任务表在进程内存里,重启即丢失,`get` 会返回 unknown task_id 的 `isError`。需要重新 `create`。图片生成只跑几秒,受影响窗口很小;若将来要上多副本或需要可靠恢复,再把表换成持久化存储。 **Q: 为什么 get 不需要等上游?** A: `get` 只读本地任务表,上游调用只发生在 `create` 的后台一次,不会因轮询而重复计费/重复生图。 **Q: 为什么 Model 优先级不是「工具参数 > header」?** A: 因为我们故意不在 schema 暴露 model 参数,AI 根本不会传 model,所以「工具参数 > header」这条分支实际上不存在。 **Q: Token 会不会泄露到日志?** A: 当前实现只在 session 内存里持有,不会写入 stdout/stderr。Container 日志只打印 session id。 **Q: 收到 `Missing valid Mcp-Session-Id` 错误?** A: 漏发了 `Mcp-Session-Id` header,或调 `tools/call` 前没先 `initialize`。 **Q: URL 多久过期?** A: 智谱签发 URL 默认 24h 左右,详见响应里的 `Expires` 参数。需要长期使用请自行转存到 OSS/S3。