Files
agent/mcp/image_task
kicer 955e550b29 feat(mcp): 增加 mode=skill,把 MCP 工具以技能形式暴露
mode 三态改为 advertise / skill / disable:
- skill 不下发到 tools 数组,由 skill 工具的 list/get/run 暴露
- get 返回 MCP 原始的 description + input_schema;run 直接转发,不做路径改写与 required 预检
- 移除 mode: silent(不设专门迁移文案)与 front matter mcp_tool 包装
- 删除 skills/image、skills/video,改由 image_task / video_task 的 mode: skill 提供
- 技能清单改用 listCallableSkills(目录 + MCP,同名时目录胜出);设置页仍只列目录
- init.sh 配了 BIGMODEL_KEY 时给 image_task / video_task 写 mode: skill
- image_task / video_task 的 tool description 首行改为自解释的一句话(技能清单取首行)
2026-10-21 11:01:50 +08:00
..

MCP Image Task

一个基于 Model Context Protocol (MCP) 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
  • 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:

cd /root/workspace/tools/agent
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。

# 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

// 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 <your-zhipu-api-key>"
      }
    }
  }
}

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):

{
  "content": [
    { "type": "text", "text": "Model: CogView-3-Flash\ntask_id: <uuid>\ntask_status: PROCESSING\n\nImage generation is running in background. Call this tool again with op=\"get\" and task_id=\"<uuid>\" 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):
{
  "content": [
    { "type": "text", "text": "task_id: <uuid>\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: <token> 直传,避免与客户端自身的 Authorization 冲突
2 X-Mcp-Token: <token> 通用兜底
3 Authorization: Bearer <token> 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
上游挂住不回(超时 >120s) 200(MCP 工具返回) 同上,task_status: FAIL,正文提示 timed out;不会出现永久 PROCESSING 的僵尸任务

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:

# 把 <your-zhipu-api-key> 替换成你智谱的 API Key
TOKEN="<your-zhipu-api-key>"

# 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);上游同步调用带 120s 超时(AbortSignal.timeout),超时记 FAIL,杜绝僵尸 PROCESSING
    • 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

// 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: 任务一直 PROCESSING 会不会没完没了? A: 不会。上游同步调用封顶 120s(AbortSignal.timeout),超时直接记 FAIL,get 会拿到明确的 timed out 错误;不存在僵尸任务。

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。