# 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(图片生成为同步接口,当前仅支持 `op=create`)。 - 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} ``` ### 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 调用智谱图片生成接口,返回图片 URL。生成为**同步**接口,`op=create` 直接出结果,无需轮询。 | op | 作用 | 同步/异步 | |---|---|---| | `create` | 按 prompt 生成图片,返回图片 URL | 同步(直接返回结果) | ### 参数(AI 可见) | 名称 | 类型 | 必填 | 说明 | |---|---|---|---| | `op` | `"create"` | ✅ | 要执行的操作(当前仅 `create`) | | `prompt` | string | ✅ | 图片生成提示词,描述想要的画面内容(仅 op=create 使用) | | `size` | string | ❌ | 图片尺寸,例如 `1024x1024`、`1280x1280`、`1024x1792`、`1792x1024`、`768x1344`、`1344x768`,遵循智谱 API 规格(仅 op=create 使用) | ### 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 工具成功时返回若干 `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": "Model: CogView-3-Flash\nPrompt: ...\nImage 1: https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." }, { "type": "text", "text": "https://maas-watermark-prod-new.cn-wlcb.ufileos.com/..." } ] } ``` 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。 失败时返回 `isError: true` 的错误描述。 --- ## 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 | | 智谱 API 4xx/5xx | `200`(MCP 工具返回) | `isError: true`,正文含智谱返回的状态码和 body | | 网络失败 | `200`(MCP 工具返回) | `isError: true`,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) 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", "size": "1280x1280" } } }' ``` 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)`,与 `video_task` 的服务形态保持一致;生成为同步接口,所以 `op` 只有 `create` 一个取值 - **每 session 一个 transport + server**:通过 `Mcp-Session-Id` 复用,避免每请求重建 - **Token 闭包注入**:在 Express 入口处从 header 提取 token,闭包传给 tool 回调;不依赖 SDK 内部字段 - **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` 也会一并返回 ### 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: 为什么 op 只有 create?** A: 图片生成是同步接口,`op=create` 直接返回结果,不存在需要轮询的异步任务。保留 `op` 参数是为了与 `video_task` 等异步任务型服务形态一致;将来若上游出现异步接口再加 `get`。 **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。 **Q: 能否限制 `size` 白名单?** A: 当前透传给智谱 API,不做强制校验。如需加白名单,修改 `src/mcp-server.js` 中 `image_task` 的 `size` schema 即可。