文生图直连 bauerelizabeth07139/mcp-simple-image

mcp-simple-image

一个工具、一个端点。 simple_image 把提示词发给 StepFun 兼容的 /images/generations API，返回图片 URL——不用 SDK，不用第三方包。

一个工具、一个端点:把提示词发给 StepFun 兼容的图片生成 API,拿回图片 URL。

作为 DeepSeek Harness 插件：MCP 服务器打包在 bundle 里，装一个插件就完事——不用手动编辑 mcpServers 文件。

安装

DeepSeek Harness Desktop —— 打开侧边栏的 Plugins，选 Add plugin，输入：

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

然后打开新的 dsh-simple-image bundle 开关。Desktop 应用启动的是保留的 desktop 配置档，所以必须在这里启用。

dsh CLI —— 装进你实际启动的配置档：

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

机器上没有 git？ pnpm 用 git ls-remote 解析 git 简写，git 缺失时会报 'git' is not recognized。改用 tarball——那条路径是纯 HTTPS：

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

同一个地址在 Desktop 的 Add plugin 对话框里也能用。把 main 换成 commit SHA 就能锁定确切版本（/tar.gz/<sha>）。

卸载用 dsh plugin --profile web remove dsh-simple-image。

要求

- Python ≥ 3.8 在 PATH 里，或者用 python 指向它。
- 没有第三方包——服务器是纯标准库。
- StepFun 兼容的 API key，放在 STEP_API_KEY（或 config.apiKey）。没有的话服务器启动时就退出，报 ERROR: STEP_API_KEY is not set。
- 端点本身要包含 /v1——服务器自己会拼上 /images/generations，并硬编码 response_format: url。

工具

服务器注册 1 个工具。DSH 会自动加命名空间，所以模型调用时写作 mcp__simple_image__<tool>：

| 工具 | 作用 |
| simple_image | 调用 POST {STEP_API_BASE}/images/generations，把图片 URL 作为文本返回。参数：prompt（必填）、model、size（默认 1024x1024）、n（1–4）。 |

配置

| 键 | 环境变量 | 默认值 | 含义 |
| python | — | 自动发现 | 运行服务器的解释器 |
| apiKey | STEP_API_KEY | （空） | 必填；没有它服务器拒绝启动 |
| baseUrl | STEP_API_BASE | https://api.stepfun.com/step_plan/v1 | API base，包含 /v1 |
| model | STEP_MODEL | step-image-edit-2 | 模型 id |
| toolCallTimeoutMs | — | 300000 | DSH 的单次调用预算；服务器自己的 HTTP 超时是 120 s |
| env | — | {} | 原样透传环境变量（比如 STEP_CONFIG、STEP_SIZE、STEP_N） |

每个字段都是可选的，放在 loader 行里。例如在 cordis.patch.yml 中：

- id: dsh-simple-image
name: 'dsh-simple-image'
config:
apiKey: 'sk-...'
baseUrl: 'https://api.stepfun.com/step_plan/v1'
model: 'step-image-edit-2'

这个插件为什么要带一座桥

服务端的 stdio 传输用的是 LSP 那套帧格式——Content-Length: <n> 后面跟一个空行——而 DeepSeek Harness 里的 MCP 客户端读的是按换行分隔的 JSON。直接挂载的话，握手会超时，还留不下一句像样的报错。bridge.mjs 就夹在两者中间：从 Harness 进来的是 NDJSON，发给服务端的是 Content-Length 帧，回来的路上再反过来。

消息从不重新编码，只重新分帧；解析器还容忍 \r\r\n\r\r\n 这种头——这是该服务端在 Windows 上发出的形式，因为 Python 的文本模式会把每个 \n 变成 \r\n。

注意事项

- config.json 优先于环境变量。 如果服务端旁边存在 config.json（或 STEP_CONFIG），会先读它的 api_key / api_base / model。别把复制来的 config.example.json 留在原地：里面的占位密钥是真值，服务端会带着一个假凭据启动。
- 返回的是 URL，不是文件。 请求端点时指定了 response_format: url，所以工具返回的是会过期的链接；不会往磁盘写任何东西。
- base URL 必须已经包含 /v1。 服务端会原样追加 /images/generations，所以 OpenAI 风格、不带 /v1 的 base URL 会得到 404。

它是怎么挂载的

index.js 解析出一个 Python 解释器（先看配置里的 python，再看 PATH 上的 python3/python），把 argv 和工作目录交给服务端，然后通过 @deepseek-ai/dsh-mcp-client 把它挂载为 stdio MCP 服务端，并设置 failOnStartupError: true，这样一个起不来的服务端会变成看得见的错误，而不是悄悄消失的工具。

凭据是显式转发的。Harness 会把子进程继承的环境里形似凭据的变量（KEY、TOKEN、SECRET、PASSWORD）清掉，所以 config.apiKey——回退到服务端文档里写的那个变量——由插件自己写进子进程的环境。也就是说下面两种都能用：

config:
apiKey: '<your key>'

export STEP_API_KEY='<your key>' # picked up at load time

开发

没有构建步骤，也没有运行时依赖——@deepseek-ai/cordis 和 @deepseek-ai/dsh-mcp-client 是由 Harness 提供的 peer。

npm test # node >= 22: manifest checks + the stdio mount, both Harness-free

挂载测试用打桩的 @deepseek-ai/dsh-mcp-client 加载 index.js，断言插件产出的确切 stdio 配置，包括上面说的凭据转发。

仓库结构

| 路径 | 用途 |
| index.js | DSH 插件：解析解释器并挂载服务端 |
| cordis.patch.yml | 激活插件的加载器行 |
| locale/{en,zh}.json | 插件列表里的卡片标题和描述 |
| assets/icon.svg | 卡片配图 |
| test/ | npm test：manifest 组合与挂载契约 |
| server.py | MCP 服务器，未改动 |
| bridge.mjs | 为 harness 做 NDJSON ↔ Content-Length 转换 |
| config.example.json | 服务器自己的配置模板，未改动 |
| package.upstream.json | 仓库原始的 npm 清单，原样保留 |

其他宿主（未改动）

这个服务器是普通的 stdio MCP 服务器，在其他任何地方照样能用。仓库原来的 README 原样保留为 README.opencode.md，里面的启动片段依然有效：

STEP_API_KEY=sk-... python server.py # any MCP host that
frames with
Content-Length
node bridge.mjs -- python server.py # …or line-delimited
JSON, through the
bridge

许可证

MIT —— 仓库在 package.json 和 README 里都声明了 MIT，却没附许可证文件；这个插件的发行版补上了一份。