Vision Model Text Input Generator MCP

テキストを PNG キャンバスに描画してローカルビジョンモデルに提供する MCP サーバーです。隣接する Vision-Model-Text-Input-Generator アプリの出力動作に基づいています。

ホストされた MCP エンドポイント

本番の Streamable HTTP エンドポイントは LibreChat とは別にデプロイされています：

https://vision-model-text-input-generator-mcp-1080561124190.us-central1.run.app/mcp

これには Authorization: Bearer <MCP_AUTH_TOKEN> が必要です。

Related MCP server: image-gen-mcp

ローカル開発

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
MCP_AUTH_TOKEN=local-development-token python main.py

このサーバーは generate_vision_text_image を公開しています。その画像結果は標準準拠の MCP ImageContent (image/png) であるため、LibreChat などの対応クライアントはそれを直接レンダリングできます。

LibreChat の設定

librechat.yaml の mcpServers の下に以下を追加します：

mcpServers:
  vision-text-image:
    title: Text to Image Text
    type: streamable-http
    url: https://vision-model-text-input-generator-mcp-1080561124190.us-central1.run.app/mcp
    requiresOAuth: false
    headers:
      Authorization: 'Bearer ${VISION_TEXT_IMAGE_MCP_TOKEN}'
    serverInstructions: true

LibreChat を再起動し、エージェントの MCP ツールに vision-text-image を追加します。生成された画像をモデルの即時コンテキストに含めたい場合は、ビジョン対応のチャットモデルを使用してください。

検証

依存関係をインストールした後、同梱のローカルチェックを実行してください：

python -m py_compile main.py
python verify_mcp.py