Gemini Image Generator MCP-Server

Generieren Sie mithilfe des Gemini-Modells von Google über das MCP-Protokoll hochwertige Bilder aus Textaufforderungen.

Überblick

Dieser MCP-Server ermöglicht es jedem KI-Assistenten, Bilder mithilfe des Gemini-KI-Modells von Google zu generieren. Der Server übernimmt die Eingabeaufforderung, die Text-zu-Bild-Konvertierung, die Dateinamengenerierung und die lokale Bildspeicherung. So können KI-generierte Bilder ganz einfach über jeden MCP-Client erstellt und verwaltet werden.

Merkmale

Text-zu-Bild-Generierung mit Gemini 2.0 Flash
Bild-zu-Bild-Transformation basierend auf Textaufforderungen
Unterstützung sowohl für dateibasierte als auch für base64-kodierte Bilder
Automatische intelligente Dateinamengenerierung basierend auf Eingabeaufforderungen
Automatische Übersetzung nicht-englischer Eingabeaufforderungen
Lokaler Bildspeicher mit konfigurierbarem Ausgabepfad
Strikter Textausschluss aus generierten Bildern
Hochauflösende Bildausgabe
Direkter Zugriff auf Bilddaten und Dateipfad

Verfügbare MCP-Tools

Der Server stellt die folgenden MCP-Tools für KI-Assistenten bereit:

1. `generate_image_from_text`

Erstellt ein neues Bild aus einer Textaufforderungsbeschreibung.

generate_image_from_text(prompt: str) -> Tuple[bytes, str]

Parameter:

prompt : Textbeschreibung des Bildes, das Sie generieren möchten

Widerrufsfolgen:

Ein Tupel mit:
- Rohbilddaten (Bytes)
- Pfad zur gespeicherten Bilddatei (str)

Dieses duale Rückgabeformat ermöglicht es KI-Assistenten, entweder direkt mit den Bilddaten zu arbeiten oder auf den gespeicherten Dateipfad zu verweisen.

Beispiele:

"Erstellen Sie ein Bild eines Sonnenuntergangs über den Bergen"
"Erstellen Sie ein fotorealistisches fliegendes Schwein in einer Science-Fiction-Stadt"

Beispielausgabe

Dieses Bild wurde mit der Eingabeaufforderung generiert:

"Hi, can you create a 3d rendered image of a pig with wings and a top hat flying over a happy futuristic scifi city with lots of greenery?"

Ein 3D-gerendertes Schwein mit Flügeln und Zylinder, das über einer futuristischen Science-Fiction-Stadt voller Grün fliegt

Bekannte Probleme

Bei Verwendung dieses MCP-Servers mit Claude Desktop Host:

Leistungsprobleme : Die Verwendung von transform_image_from_encoded kann im Vergleich zu anderen Methoden deutlich länger dauern. Dies liegt am Overhead bei der Übertragung großer base64-codierter Bilddaten über das MCP-Protokoll.
Probleme bei der Pfadauflösung : Bei der Verwendung von Claude Desktop Host kann es zu Problemen mit der korrekten Auflösung von Bildpfaden kommen. Die Hostanwendung interpretiert die zurückgegebenen Dateipfade möglicherweise nicht richtig, was den Zugriff auf die generierten Bilder erschwert.

Für ein optimales Erlebnis sollten Sie nach Möglichkeit alternative MCP-Clients oder die Methode transform_image_from_file verwenden.

2. `transform_image_from_encoded`

Transformiert ein vorhandenes Bild basierend auf einer Textaufforderung unter Verwendung von Base64-codierten Bilddaten.

transform_image_from_encoded(encoded_image: str, prompt: str) -> Tuple[bytes, str]

Parameter:

encoded_image : Base64-codierte Bilddaten mit Formatheader (müssen im Format „data:image/[format];base64,[data]“ vorliegen).
prompt : Textbeschreibung, wie Sie das Bild transformieren möchten

Widerrufsfolgen:

Ein Tupel mit:
- Rohe transformierte Bilddaten (Bytes)
- Pfad zur gespeicherten transformierten Bilddatei (str)

Beispiel:

„Fügen Sie dieser Landschaft Schnee hinzu“
„Ändern Sie den Hintergrund in einen Strand“

3. `transform_image_from_file`

Transformiert eine vorhandene Bilddatei basierend auf einer Textaufforderung.

transform_image_from_file(image_file_path: str, prompt: str) -> Tuple[bytes, str]

Parameter:

image_file_path : Pfad zur zu transformierenden Bilddatei
prompt : Textbeschreibung, wie Sie das Bild transformieren möchten

Widerrufsfolgen:

Ein Tupel mit:
- Rohe transformierte Bilddaten (Bytes)
- Pfad zur gespeicherten transformierten Bilddatei (str)

Beispiele:

„Fügen Sie neben der Person in diesem Bild ein Lama hinzu.“
„Lassen Sie diese Tagesszene wie eine Nachtszene aussehen“

Beispieltransformation

Mithilfe des oben erstellten Bildes des fliegenden Schweins haben wir eine Transformation mit der folgenden Eingabeaufforderung angewendet:

"Add a cute baby whale flying alongside the pig"

Vor:

Nach:

Das Originalbild eines fliegenden Schweins mit einem süßen Walbaby, das daneben fliegt

Aufstellen

Voraussetzungen

Python 3.11+
Google AI API-Schlüssel (Gemini)
MCP-Hostanwendung (Claude Desktop App, Cursor oder andere MCP-kompatible Clients)

Abrufen eines Gemini-API-Schlüssels

Besuchen Sie die Seite mit den API-Schlüsseln von Google AI Studio
Melden Sie sich mit Ihrem Google-Konto an
Klicken Sie auf „API-Schlüssel erstellen“
Kopieren Sie Ihren neuen API-Schlüssel zur Verwendung in der Konfiguration
Hinweis: Der API-Schlüssel bietet ein bestimmtes Kontingent an kostenloser Nutzung pro Monat. Sie können Ihre Nutzung im Google AI Studio überprüfen.

Installation

Installation über Smithery

So installieren Sie Gemini Image Generator MCP für Claude Desktop automatisch über Smithery :

npx -y @smithery/cli install @qhdrl12/mcp-server-gemini-image-gen --client claude

Manuelle Installation

Klonen Sie das Repository:

git clone https://github.com/your-username/gemini-image-generator.git
cd gemini-image-generator

Erstellen Sie eine virtuelle Umgebung und installieren Sie Abhängigkeiten:

# Using regular venv
python -m venv .venv
source .venv/bin/activate
pip install -e .

# Or using uv
uv venv
source .venv/bin/activate
uv pip install -e .

Kopieren Sie die Beispielumgebungsdatei und fügen Sie Ihren API-Schlüssel hinzu:

cp .env.example .env

Bearbeiten Sie die .env Datei, um Ihren Google Gemini API-Schlüssel und den bevorzugten Ausgabepfad einzuschließen:

GEMINI_API_KEY="your-gemini-api-key-here"
OUTPUT_IMAGE_PATH="/path/to/save/images"

Claude Desktop konfigurieren

Fügen Sie Ihrer claude_desktop_config.json Folgendes hinzu:

macOS : ~/Library/Application Support/Claude/claude_desktop_config.json

{
    "mcpServers": {
        "gemini-image-generator": {
            "command": "uv",
            "args": [
                "--directory",
                "/absolute/path/to/gemini-image-generator",
                "run",
                "server.py"
            ],
            "env": {
                "GEMINI_API_KEY": "GEMINI_API_KEY",
                "OUTPUT_IMAGE_PATH": "OUTPUT_IMAGE_PATH"
            }
        }
    }
}

Verwendung

Nach der Installation und Konfiguration können Sie Claude bitten, Bilder zu generieren oder zu transformieren, indem Sie Eingabeaufforderungen wie die folgenden verwenden:

Neue Bilder generieren

"Erstellen Sie ein Bild eines Sonnenuntergangs über den Bergen"
"Erstellen Sie eine Illustration einer futuristischen Stadtlandschaft"
„Machen Sie ein Bild von einer Katze mit Sonnenbrille“

Vorhandene Bilder transformieren

„Transformieren Sie dieses Bild, indem Sie der Szene Schnee hinzufügen.“
„Bearbeiten Sie dieses Foto, damit es aussieht, als wäre es nachts aufgenommen worden.“
„Fügen Sie im Hintergrund dieses Bildes einen fliegenden Drachen hinzu.“

Die generierten/transformierten Bilder werden in Ihrem konfigurierten Ausgabepfad gespeichert und in Claude angezeigt. Mit den aktualisierten Rückgabetypen können KI-Assistenten auch direkt mit den Bilddaten arbeiten, ohne auf die gespeicherten Dateien zugreifen zu müssen.

Testen

Sie können die Anwendung testen, indem Sie den FastMCP-Entwicklungsserver ausführen:

fastmcp dev server.py

Dieser Befehl startet einen lokalen Entwicklungsserver und stellt den MCP Inspector unter http://localhost:5173/ bereit. Der MCP Inspector bietet eine praktische Weboberfläche, über die Sie das Bildgenerierungstool direkt testen können, ohne Claude oder einen anderen MCP-Client verwenden zu müssen. Sie können Texteingaben eingeben, das Tool ausführen und die Ergebnisse sofort sehen, was für Entwicklung und Debugging hilfreich ist.

Lizenz

MIT-Lizenz

Gemini Image Generator MCP Server

Integrations