# 安装依赖
cd image-mcp
pip install -e .

# 必需依赖
pip install httpx Pillow python-dotenv

# 可选：使用 Gemini 备选引擎时需要
pip install google-generativeai

# 通义千问 VL（图像理解）- 必需
DASHSCOPE_API_KEY=your_dashscope_api_key_here

# OpenAI GPT Image 2.5（图像生成，默认引擎）
OPENAI_API_KEY=your_openai_api_key_here

# 中转 / 代理端点（可选，走 OpenAI 官方则留空）
# 例如第三方中转站: https://api.example-relay.com/v1（兼容 OpenRouter）
OPENAI_BASE_URL=

# GPT Image 2.5 模型配置（可选）
OPENAI_IMAGE_MODEL_FAST=gpt-image-2.5-flare
OPENAI_IMAGE_MODEL_PRO=gpt-image-2.5-sunburst

# Gemini（可选备选引擎，engine="gemini" 时使用）
GEMINI_API_KEY=your_gemini_api_key_here
GEMINI_FLASH_MODEL=gemini-3.1-flash-image-preview
GEMINI_PRO_MODEL=gemini-3-pro-image-preview

# 智谱 AI（文档版面解析 OCR，可选）
ZHIPU_API_KEY=your_zhipu_api_key_here

{
  "mcpServers": {
    "image-mcp": {
      "command": "python",
      "args": ["-m", "src.server"],
      "cwd": "/absolute/path/to/image-mcp",
      "env": {
        "DASHSCOPE_API_KEY": "your_dashscope_api_key",
        "GEMINI_API_KEY": "your_gemini_api_key"
      }
    }
  }
}

# 单图分析
analyze_image(
    image_source="photo.jpg",
    prompt="这张图片里有什么？"
)

# 多图识别 - 对比分析
analyze_image(
    image_source="current_photo.jpg",
    prompt="与之前的照片相比，有哪些变化？",
    reference_images=["photo1.jpg", "photo2.jpg", "photo3.jpg"]
)

# 多图识别 - 风格参考
analyze_image(
    image_source="new_design.jpg",
    prompt="这个设计是否与参考风格一致？",
    reference_images=["style_reference1.jpg", "style_reference2.jpg"]
)

# Text-to-Image：纯文本生成（默认 1:1, 2K, medium 画质）
generate_image(
    prompt="一只可爱的小猫在花园里"
)

# 精修档 + 高画质
generate_image(
    prompt="风景画，山脉和湖泊",
    pro=True,
    quality="high",
    aspect_ratio="16:9"
)

# Image-to-Image：参考图编辑
generate_image(
    prompt="把这只猫变成卡通风格",
    reference_images=["path/to/cat.jpg"]
)

# 切换 Gemini 引擎
generate_image(
    prompt="赛博朋克城市夜景",
    engine="gemini"
)

# 批量生成
generate_image_batch(
    prompts=["猫", "狗", "鸟"],
    output_dir="my_images"
)

src/
├── server.py          # MCP 服务器主入口
├── models/
│   ├── base.py        # 基础模型接口
│   ├── qwen.py        # 通义千问 VL（图像理解）
│   └── gemini.py      # Gemini（图像生成备选引擎）
└── tools/
    ├── analyze.py     # 图像分析工具
    └── generate.py    # 图像生成工具

class BaseImageModel(ABC):
    @abstractmethod
    async def analyze_image(...): pass

    @abstractmethod
    async def ocr(...): pass

    @abstractmethod
    async def generate_image(...): pass

# 分析图片内容
analyze_image(
    image_source="photo.jpg",
    prompt="这张图片里有什么？"
)

# 对比当前照片与历史照片
analyze_image(
    image_source="current_photo.jpg",
    prompt="与之前的照片相比，有哪些变化？",
    reference_images=[
        "photo_morning.jpg",
        "photo_noon.jpg",
        "photo_evening.jpg"
    ]
)

# 设计风格对比
analyze_image(
    image_source="new_design.jpg",
    prompt="这个新设计是否与参考风格保持一致？",
    reference_images=[
        "style_guide1.jpg",
        "style_guide2.jpg"
    ]
)

# 提取文字
analyze_image(
    image_source="screenshot.png",
    prompt="提取所有文字",
    analysis_type="ocr"
)

# Text-to-Image：从零生成（默认 1:1, 2K）
generate_image(
    prompt="一只在太空中游泳的鲸鱼，星云背景"
)

# Text-to-Image：自定义比例
generate_image(
    prompt="赛博朋克城市夜景，霓虹灯",
    aspect_ratio="21:9",
    resolution="4K"
)

# Image-to-Image：多参考图生成
generate_image(
    prompt="生成一张结合这些风格的新图片",
    reference_images=[
        "style1.jpg",
        "style2.jpg",
        "style3.jpg"
    ]
)

# src/models/my_model.py
from .base import BaseImageModel

class MyImageModel(BaseImageModel):
    async def analyze_image(self, ...):
        # 你的实现
        pass

    async def ocr(self, ...):
        pass

    async def generate_image(self, ...):
        pass