- video_gen: UPLOAD_BASE_URL(AI 上传,内网)与 PUBLIC_BASE_URL(智谱下载,公网)拆开配置; 新增 PUBLIC_PORT 公网只读监听,只挂 GET /uploads/*(无 /mcp、无 POST /upload) - video_gen: 上传目录落到宿主 ./uploads(重启不让已发出的 URL 失效),Dockerfile EXPOSE 3000 3001 - docker-compose: 三个服务默认都不映射宿主机端口(调试用的 ports 注释保留); video_gen 配 UPLOAD_BASE_URL/PUBLIC_BASE_URL/PUBLIC_PORT/UPLOAD_DIR + ./uploads 挂载 - .gitignore(新): node_modules/ 与 uploads/ - 文档: 根 README 说明「只开 agent 端口」与图片到智谱的完整链路;三个子 README 同步端口与调试方式
249 lines
9.1 KiB
Markdown
249 lines
9.1 KiB
Markdown
# MCP Image Gen
|
||
|
||
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,支持在工具参数中按需切换模型。
|
||
|
||
- 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_gen
|
||
```
|
||
|
||
服务容器名 `mcp_image_gen`,容器内端口 3000,**默认不占宿主端口**:agent 走 `my-app-network`
|
||
按容器名访问(`http://mcp_image_gen:3000/mcp`)。需要从宿主机 curl 调试时,去仓库根
|
||
`docker-compose.yml` 把 `mcp_image_gen` 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_gen node -e "fetch('http://localhost:3000/health').then(r=>r.text()).then(console.log)"
|
||
# {"status":"ok","service":"image_gen","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_gen": {
|
||
"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_gen
|
||
|
||
调用智谱图片生成接口,返回图片 URL。
|
||
|
||
### 参数
|
||
|
||
| 名称 | 类型 | 必填 | 说明 |
|
||
|---|---|---|---|
|
||
| `prompt` | string | ✅ | 图片生成提示词,描述想要的画面内容 |
|
||
| `size` | string | ❌ | 图片尺寸,例如 `1024x1024`、`1280x1280`、`1024x1792`、`1792x1024`、`768x1344`、`1344x768`,遵循智谱 API 规格 |
|
||
|
||
### 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-Gen-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
|
||
|
||
### 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": "模型: CogView-3-Flash\n提示词: ...\n图片 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-Gen-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 |
|
||
| 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 <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_gen
|
||
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_gen",
|
||
"arguments": {
|
||
"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_gen/
|
||
├── 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 + tool
|
||
```
|
||
|
||
### 关键设计
|
||
|
||
- **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 `buildServer({ token })`,tool 回调里直接使用;不依赖 SDK 内部字段
|
||
- **模型参数单链**:`arguments.model` → `DEFAULT_MODEL`,无 header 干预
|
||
- **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_gen` 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-Gen-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 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_gen` 的 `size` schema 即可。
|