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

Related MCP server: GPT Image 1 MCP

🚀 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!

Related MCP Connectors

Related MCP Servers