wrmax-criativo

Pipeline de geração e edição de imagem da WRMax. Claude Code é o cérebro; este repo é a mão.

O código não sabe nada sobre marketing — ele recebe parâmetros e devolve arquivo. Quem decide formato, ângulo e prompt é o Claude, que depois olha a peça gerada e decide se aceita ou refaz. É esse loop fechado que caracteriza a orquestração.

O código, os comentários e as mensagens estão em inglês. A documentação e a conversa com o time seguem em português.

Setup (5 minutos)

npm install
export OPENAI_API_KEY="sua-chave"      # https://platform.openai.com/api-keys

Importante: assinatura do ChatGPT Pro ou do app Gemini não dá acesso à API. São cobranças separadas. Precisa de chave de API com billing ativo.

Motor B, via IMAGE_PROVIDER=gemini (padrão é openai):

export IMAGE_PROVIDER=gemini
export GEMINI_API_KEY="sua-chave"      # https://aistudio.google.com/apikey

Related MCP server: MCP OpenAI Image Generation Server

Estrutura

Cada pasta tem uma responsabilidade, e nenhum arquivo acumula duas.

bin/                      entradas executáveis
  cli.js                    CLI
  mcp-server.js             servidor MCP (só escolhe o transporte)

src/
  bootstrap/              carga do .env e resolução de caminhos
  config/                 ÚNICO ponto que lê process.env; tabelas de modelo,
                          formato e qualidade
  brands/                 brand kit, compliance e montagem do prompt
  media/                  entrada, redução e saída de imagem (Drive, download,
                          arquivo local, preview, upload)
  providers/              motores de imagem, por registro
  core/                   regra de negócio: artwork-service, artifact-store,
                          delivery
  mcp/                    servidor MCP, tools e transportes
  http/                   app Express, middleware, rotas e views
  auth/                   OAuth com Google
  cli/                    args, ajuda e orquestração do CLI

test/                     node --test, sem chave e sem custo
scripts/                  smoke — gasta crédito ou precisa de rede viva
brand/                    um JSON por cliente
out/                      saída local (só com PERSIST_OUTPUT=true)

O desenho central: src/core/artwork-service.js não sabe o que é MCP nem o que é CLI. Ele recebe um pedido simples e devolve um resultado simples. Quem formata content block é src/mcp/tool-result.js; quem escreve JSON no stdout é src/cli/run.js. Por isso os dois frontends compartilham um caminho só.

Toda dependência (config, artifact store, diretório de brand) é injetada, não importada como singleton — é o que permite testar a rota, a tool e o serviço sem tocar no ambiente.

Uso

Gerar do zero:

node bin/cli.js --brand forno-paulista --format feed \
  --prompt "Studio product shot of a rustic pizza on a wooden board, steam rising"

Editar foto real do cliente (troca de fundo preservando o produto):

node bin/cli.js --brand forno-paulista --format square \
  --ref fotos/produto.jpg \
  --prompt "Change only the background to a clean warm studio gradient. Keep the product, its label and the lighting on it exactly unchanged."

Rascunho barato antes de gastar no final:

node bin/cli.js --quality draft --prompt "..."

Sempre rascunho antes do final. Custa uma fração e evita refazer caro.

Servidor MCP

npm run mcp          # stdio — é o que o Claude Code fala
npm run mcp:http     # Streamable HTTP em :8787/mcp — é o que conector remoto exige

Ferramentas expostas: list_brands, generate_image, edit_image.

Não existe ferramenta que liste, busque ou navegue imagens no servidor, e isso é proposital: quem escolhe o arquivo é o usuário. Uma ferramenta de busca transformaria um prompt injetado numa foto de cliente em varredura do ambiente.

Detalhes de transporte, autenticação e destino da resolução cheia estão em CLAUDE.md.

Como o Claude Code usa o CLI

O comando imprime JSON no stdout e log no stderr. Isso é proposital: o Claude roda, lê o JSON, abre o PNG, avalia e encadeia a próxima chamada. Sem humano no meio de cada iteração.

{"ok":true,"file":"out/1755777.png","seconds":6.2,"aspectRatio":"4:5"}

Códigos de saída: 0 sucesso · 1 falha técnica · 2 bloqueado por compliance — o 2 existe para um hook distinguir os dois casos.

Compliance

brand/*.json tem um array forbidden_terms. O assertPromptAllowed() roda antes da chamada e bloqueia — economiza crédito e, mais importante, não depende do modelo obedecer instrução.

{
  "name": "Forno Paulista",
  "visual": {
    "style": "appetizing food photography, rustic warmth, artisanal",
    "colors": ["wood brown", "tomato red", "warm cream"],
    "lighting": "warm golden light, natural window light",
    "avoid": ["cold blue tones", "plastic-looking food"]
  },
  "forbidden_terms": [],
  "compliance_reason": ""
}

Teste rápido do guarda-corpo, sem chave e sem custo:

node bin/cli.js --brand cliente-medico --prompt "before and after of a patient"
# x BLOCKED by compliance rules for "Cliente médico (template CFM)"

Testes

npm test          # 110 testes, sem chave de API, sem rede externa, sem custo

Cobre: compliance, brand kit, config, artifact store, conversão de link do Drive, todos os modos de falha de download, redução, upload, tabelas de tamanho, o fluxo OAuth inteiro (com um Google de mentira), a descoberta que o claude.ai faz, e os dois transportes MCP de ponta a ponta.

Os testes que gastam crédito ou dependem de rede viva ficam fora da suíte, em scripts/:

npm run probe            # ~US$ 0,005 — separa "chave ruim" de "pipeline ruim" (openai)
npm run probe:gemini     # idem, para o provider gemini
npm run smoke:drive      # ~US$ 0,01  — link do Drive de ponta a ponta
npm run smoke:edit       # ~US$ 0,02  — o modelo edita ou só regenera?
npm run smoke:stateless  # ~US$ 0,01  — não deixa um byte para trás

Variáveis de ambiente

Hospedagem (EasyPanel, ou qualquer host de container)

O servidor guarda estado em memória de propósito — clientes OAuth, tokens e o depósito de peças são Map(). Isso exige um processo vivo e único, e é o que descarta plataforma serverless: lá o POST /register cairia numa instância e o GET /authorize em outra, que não conhece o cliente. O login falharia de forma intermitente, com sintoma que não parece com a causa.

Por isso o deploy é container, e a regra vale para qualquer host: uma réplica só. Para escalar além disso, troque os três armazenamentos em memória por Redis primeiro.

O Dockerfile na raiz serve a qualquer plataforma de container. Os passos abaixo são do EasyPanel; em outro host muda a interface, não o conteúdo.

O domínio vem antes

O Google não aceita endereço IP como redirect de OAuth, e exige HTTPS. Ou seja, um domínio é pré-requisito, não acabamento.

Aponte um registro A do subdomínio para o IP do servidor. Quem não tiver domínio pode usar DNS curinga — mcp.<ip-com-hifens>.sslip.io resolve sozinho para o IP embutido no nome, e o Let's Encrypt emite normalmente desde que a porta 80 esteja aberta.

Serviço

1. Criar serviço → App, com source neste repositório e branch main.

2. Build: Dockerfile, na raiz.

3. Environment:

   Variável	Valor
   PORT	8787
   MCP_BASE_URL	https://<seu-dominio> — sem barra no fim
   OPENAI_API_KEY	a chave da OpenAI
   GOOGLE_CLIENT_ID	do cliente OAuth (Aplicativo da Web)
   GOOGLE_CLIENT_SECRET	do mesmo cliente
   MCP_EMAILS	quem pode autorizar, separado por vírgula

   MCP_TRANSPORT=http já vem do Dockerfile — não defina.

4. Domains: o subdomínio apontando para a porta 8787, com HTTPS ligado.

5. Deploy.

6. Google Cloud Console → Credenciais → seu cliente OAuth, adicione o redirect autorizado, exatamente:

   https://<seu-dominio>/oauth/google/callback

7. claude.ai → conectores: https://<seu-dominio>/mcp.

O MCP_BASE_URL vira o issuer do OAuth e é comparado caractere por caractere com o que o cliente descobre. Domínio diferente do configurado, ou barra sobrando, faz o vínculo falhar sem mensagem útil.

Conferindo

curl https://<seu-dominio>/health

O campo que importa é "auth":"oauth". Se vier "none", alguma variável do Google não chegou — e aí o servidor subiu aberto, aceitando qualquer chamada e gastando a chave de quem hospeda.

Notas de API que economizam debug

• O K de image_size é maiúsculo. 2k é rejeitado.

• gpt-image-2 aceita qualquer WxH divisível por 16; os menores só aceitam três tamanhos fixos. Story/reels final precisa de gpt-image-2.

• Na edição, a imagem vem antes do texto no array de input.

• Não existe refação encadeada no provider openai: previous_interaction_id é da Interactions API do Gemini. Para ajustar, reenvie a imagem como referência.

• Entrada por URL manda User-Agent próprio: várias origens (Wikimedia entre elas) devolvem 400/403 para requisição sem UA identificável.

• Peça com texto: defina a copy primeiro, depois peça a imagem com aquela copy.