图像生成 MCP bauerelizabeth07139/image-gen-mcp

image-gen-mcp

可配置、与服务商无关的图像生成，作为 DeepSeek Harness 插件提供。 把它指向任意兼容 OpenAI 的 /v1/images/generations 端点，模型就能获得 image_generate 和 image_config_status，还会附带一项技能，告诉它什么时候该用这两个工具。

一个 Codex 插件，通过 MCP 暴露图像生成工具，base URL 和 API key 均可配置。

安装

DeepSeek Harness Desktop —— 在侧边栏打开 Plugins，选择 Add plugin，然后输入：

https://github.com/bauerelizabeth07139/image-gen-mcp

接着打开新出现的 dsh-image-gen-mcp bundle，并给它配一个后端（见配置 —— 没有 base URL 和 key 时，插件会刻意不挂载任何东西，并明确告诉你）。

dsh 命令行 —— 装进你实际启动的配置档：

dsh plugin --profile web add bauerelizabeth07139/image-gen-mcp

机器上没有 git？ pnpm 解析 git 简写时会调用 git ls-remote，缺少 git 就会报 'git' is not recognized。改用 tarball —— 这条路径走的是普通 HTTPS：

dsh plugin --profile web add https://codeload.github.com/bauerelizabeth07139/image-gen-mcp/tar.gz/master

同一个地址也能用在 Desktop 的 Add plugin 对话框里。把 master 换成 commit SHA 即可锁定到确切版本（/tar.gz/<sha>）。

卸载：dsh plugin --profile web remove dsh-image-gen-mcp。

环境要求

- Node.js ≥ 22 —— harness 本身的要求；服务器就是纯 Node，没有任何 npm 依赖，所以没什么要装的。
- 一个后端：一个能响应 POST {baseUrl}/v1/images/generations 的 base URL，以及对应的 API key。base URL 不能包含 /v1。

工具

| 工具 | 作用 |
| mcp__image_generation__image_generate | 根据提示词生成图像。参数：prompt（必填）、model、size、n。 |
| mcp__image_generation__image_config_status | 报告 base URL 和 key 是否已配置 —— 生成因配置问题失败时，先问这个。 |

附带技能

插件会注册 skills/image-generation/SKILL.md，模型因此知道整个工作流：先查 image_config_status，再用 image_generate 生成，最后返回产物或可操作的错误信息。它改编自仓库原有的 Codex 技能 —— 工作流相同，工具名换成 harness 的，另外加了一段关于 base64 载荷的说明。

配置

| 键 | 环境变量 | 默认值 | 含义 |
| baseUrl | IMAGE_GEN_BASE_URL | （无 —— 必填） | 后端 base URL，不含 /v1 |
| apiKey | IMAGE_GEN_API_KEY | （无 —— 必填） | 该后端的凭据 |
| model | IMAGE_GEN_DEFAULT_MODEL | （空） | 默认模型；留空时服务器在 openai 模式下选 dall-e-3，在 generic 模式下选 gpt-image-1 |
| provider | IMAGE_GEN_PROVIDER | generic | generic（URL 响应）或 openai（base64 响应） |
| timeoutMs | IMAGE_GEN_TIMEOUT_MS | 30000 | 服务器自身的 HTTP 预算 |
| toolCallTimeoutMs | — | 120000 | DSH 的单次调用预算 |
| env | — | {} | 原样透传环境变量 |

loader 行示例：

- id: dsh-image-gen-mcp
name: 'dsh-image-gen-mcp'
config:
baseUrl: 'https://api.example.com'
apiKey: 'sk-...'
model: 'gpt-image-1'
provider: 'generic'

凭据是显式转发的：harness 会把子进程将要继承的环境里形似凭据的变量（KEY、TOKEN、SECRET、PASSWORD）清理掉，所以导出的 IMAGE_GEN_API_KEY 会在加载时读取，再由插件写入子进程的环境。

这个插件为什么自带一个 bridge

服务器给 stdio 传输层套的是 LSP 那套帧格式——Content-Length: <n> 后面跟一个空行——而 DeepSeek Harness 里的 MCP 客户端读的是换行分隔的 JSON。直接挂载的话，握手只会超时。bridge.mjs 双向翻译：从 harness 进来的是 NDJSON，发给服务器的是 Content-Length 帧，回来的路上再反过来。消息体逐字节重新封装，绝不重新解析。

挂载方式

index.js 先注册技能，然后通过 bridge 以 stdio 挂载 scripts/server.mjs，并带上 failOnStartupError: true。如果缺 baseUrl 或 apiKey，它会打一条警告，什么都不挂载——服务器启动即退出的话，整个 bundle 加载都会失败——但仍然注册技能，这样模型就能准确告诉用户该配什么。

开发

npm test

四个测试套件，都不依赖 Harness：清单与卡片元数据（test/plugin.test.mjs）、bridge 的帧封装与往返（test/bridge.test.mjs）、stdio 挂载与凭据转发（test/mount.test.mjs）、内置技能的注册（test/skill.test.mjs）。仓库自带的 Python 校验器照样能用：python scripts/validate_plugin.py .、python scripts/test_server.py、python tests/test_provider_modes.py。

仓库结构

| 路径 | 用途 |
| index.js | DSH 插件：技能服务商 + stdio 挂载 |
| bridge.mjs | NDJSON ↔ Content-Length 翻译 |
| cordis.patch.yml | 激活插件的 loader 行 |
| skills/image-generation/ | 内置技能，改编自原始版本 |
| locale/{en,zh}.json、assets/icon.svg | 卡片标题、描述与图标 |
| scripts/server.mjs | MCP 服务器，未改动 |
| scripts/server.py、scripts/test_server.py | 原始 Python HTTP 调试服务器及其测试，未改动 |
| scripts/validate_plugin.py、tests/ | 原始 Codex 插件校验器与测试，未改动 |
| .mcp.json、.codex-plugin/ | 原始 Codex 插件清单，未改动 |
| README.opencode.md | 仓库原始 README，原样保留 |

其他宿主（未改动）

{
"mcpServers": {
"image-generation": {
"command": "node",
"args": ["scripts/server.mjs"],
"env": {
"IMAGE_GEN_BASE_URL": "${IMAGE_GEN_BASE_URL}",
"IMAGE_GEN_API_KEY": "${IMAGE_GEN_API_KEY}"
}
}
}
}

原配置里带过来两点注意事项：相对路径 scripts/server.mjs 需要把仓库根目录作为工作目录；如果宿主用换行分隔的 JSON 来分帧（比如 DSH），就需要加一层桥接：node bridge.mjs -- node scripts/server.mjs。

许可证

MIT —— 仓库自带的许可证文件，未做改动。