Skip to main content
Glama
WW-AI-Lab

Azure OpenAI GPT-Image-1 MCP Server

by WW-AI-Lab

Azure OpenAI GPT-Image-1 MCP Server

Python Version MCP SDK License

一个基于Azure OpenAI gpt-image-1模型的Model Context Protocol (MCP) 服务器,使用官方MCP SDK的Streamable HTTP Transport实现,为AI助手提供强大的图像生成和编辑能力。


✨ 核心特性

  • 🎨 图像生成: 基于文本提示生成高质量图像

  • ✏️ 图像编辑: 编辑现有图像,支持掩码编辑和多图片参考

  • 🌐 Streamable HTTP Transport: 使用官方MCP SDK的HTTP传输模式

  • 🔍 MCP Inspector兼容: 支持官方MCP Inspector图形化界面测试

  • 🐳 Docker就绪: 完整的Docker支持,针对中国大陆网络优化

  • 🚀 高性能: 异步处理,支持并发请求

  • 🛡️ 类型安全: 完整的类型提示和数据验证

🚀 gpt-image-1模型优势

gpt-image-1是OpenAI发布的最新图像生成模型(2025年),相比DALL-E 3具有显著改进:

  • 更好的图像质量: 更精细的细节和更高的一致性

  • 更强的提示理解: 更准确地理解复杂的文本描述

  • 更快的生成速度: 优化的模型架构提供更快的响应

  • 更多控制选项: 支持更多的生成参数和输出格式


🛠️ 快速开始

前置要求

  • Python 3.8+

  • Azure OpenAI 订阅和gpt-image-1模型部署

  • Docker (可选,推荐用于生产环境)

安装与配置

# 克隆项目
git clone https://github.com/WW-AI-Lab/azure-gpt-image.git
cd azure-gpt-image

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/macOS

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp env.example .env
# 编辑 .env 文件,设置您的Azure OpenAI配置

启动服务

# Streamable HTTP Transport (推荐)
python -m azure_gpt_image --port 3000

# 或使用Docker
docker-compose up -d

🔧 使用方法

MCP工具调用

1. 图像生成 (GPT-Image-1)

{
  "name": "generate_image",
  "arguments": {
    "prompt": "A serene mountain landscape with a crystal clear lake, golden hour lighting",
    "size": "1024x1536",
    "quality": "high",
    "output_format": "JPEG"
  }
}

2. 图像编辑 (支持多图片参考)

{
  "name": "edit_image",
  "arguments": {
    "image_data": ["base64_image_1", "base64_image_2"],
    "prompt": "Combine these images into a cohesive landscape",
    "size": "1536x1024",
    "quality": "medium"
  }
}

集成示例

Claude Desktop集成

{
  "mcpServers": {
    "azure-gpt-image": {
      "command": "python",
      "args": ["-m", "azure_gpt_image", "--port", "3000"],
      "env": {
        "AZURE_OPENAI_ENDPOINT": "https://your-resource.openai.azure.com/",
        "AZURE_OPENAI_API_KEY": "your-api-key-here"
      }
    }
  }
}

MCP Inspector测试

  1. 启动服务器:python -m azure_gpt_image --port 3000

  2. 打开MCP Inspector并连接到:http://localhost:3000/mcp


🐳 Docker部署

快速启动

# 准备并编辑 .env 文件,设置您的Azure OpenAI配置
cp env.example .env

# 使用Docker Compose (推荐)
docker-compose up -d

# 或直接使用Docker
docker build -t azure-gpt-image .
docker run -d -p 3000:3000 --env-file .env azure-gpt-image

网络优化 (中国大陆)

Dockerfile已针对中国大陆网络环境优化:

  • 使用华为云PyPI镜像源

  • 优化构建缓存层级

  • 支持健康检查和自动重启

详细部署说明请参考 docs/deployment.md


📚 文档

文档

说明

技术规范

详细的技术实现和API规范

开发计划

项目开发路线图和架构设计

部署指南

生产环境部署最佳实践


🧪 测试

# 运行所有测试
python -m pytest tests/ -v

# 运行特定测试
python -m pytest tests/test_mcp_server.py -v

# 运行集成测试
python -m pytest tests/test_integration.py -v

🔧 开发

项目结构

azure-gpt-image/
├── .cursor/rules/          # Cursor规则文件
├── src/azure_gpt_image/    # 核心代码
├── tests/                  # 测试文件
├── docs/                   # 文档
├── docker-compose.yml      # Docker编排
└── Dockerfile             # Docker镜像

环境变量

变量

说明

默认值

AZURE_OPENAI_ENDPOINT

Azure OpenAI端点

必填

AZURE_OPENAI_API_KEY

API密钥

必填

AZURE_OPENAI_DEPLOYMENT_NAME

部署名称

gpt-image-1

MCP_SERVER_PORT

服务器端口

3000


⚠️ 免责声明

本项目属于 WW-AI-Lab 实验性仓库

  • 🧪 实验性质: 用于概念验证和技术探索

  • 📚 学习目的: 仅供学习和研究使用

  • 🚫 非生产就绪: 不保证生产环境可用性

  • 🤝 欢迎贡献: Fork / Issue / PR 都非常欢迎

如需生产级解决方案,请联系 toxingwang@gmail.com 获得专业支持。


🤝 联系方式

渠道

地址

用途

📧 Email

toxingwang@gmail.com

合作 / 业务咨询

🐦 X (Twitter)

@WW_AI_Lab

最新动态、技术碎片

💬 微信

toxingwang

深度交流,添加请注明来源


📄 许可证

MIT License - 详见 LICENSE 文件


🌟 相关项目


如果这个项目对您有帮助,请给我们一个星星!

A
license - permissive license
-
quality - not tested
C
maintenance

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/WW-AI-Lab/azure-gpt-image'

If you have feedback or need assistance with the MCP directory API, please join our Discord server