mcp_photo — MCP Image Generation Server

An MCP server for generating and editing images via the OpenRouter API. Deployed in Docker, connects to Claude Desktop through stdio transport. Supports dynamic model discovery from OpenRouter and model metadata caching for optimized performance.

Документация на русском

Features

• generate_image — generate an image from a text prompt with support for multiple models; project — organize output into output/{project}/ subfolders (optional, defaults to _default); save_dir — directory for saving output (optional, takes priority over project)

• edit_image — image-to-image editing (replacing or transforming part of an image); project — organize output into output/{project}/ subfolders (optional, defaults to _default); save_dir — directory for saving output (optional, takes priority over project)

• list_models — dynamic list of available models with pricing and parameter details

Related MCP server: io.github.pvliesdonk/image-generation-mcp

Requirements

• Python 3.11+

• Docker Desktop

• OpenRouter API key (https://openrouter.ai)

Quick Start

1. Clone the repository:

   git clone https://github.com/afr13nd77/mcp_photo.git
   cd mcp_photo

2. Copy .env.example to .env and add your OpenRouter API key:

   cp .env.example .env
   # Edit .env: OPENROUTER_API_KEY=sk_...

3. Build the container:

   docker compose build

4. Start the server:

   docker compose run --rm -i mcp-photo

Claude Desktop Integration

Add the following block to your ~/.claude/claude_desktop_config.json config:

{
  "mcpServers": {
    "mcp-photo": {
      "command": "docker",
      "args": ["compose", "-f", "I:/ai_projects/mcp_photo/docker-compose.yml", "run", "--rm", "-i", "mcp-photo"]
    }
  }
}

Supported Models

Note: The full list of available models and their current pricing is discovered dynamically when the list_models tool is invoked. The table above lists the most commonly used Tier 1 models.

Configuration

Development

Install development dependencies:

pip install -e ".[dev]"

Run tests:

pytest

Lint:

ruff check .

Format:

ruff format .

Version

0.1.0 — Initial release with full MCP server functionality.

Документация на русском

mcp_photo — MCP-сервер генерации изображений

MCP-сервер для генерации и редактирования изображений через OpenRouter API. Развёртывается в Docker, подключается к Claude Desktop через stdio-транспорт. Поддерживает динамическое обнаружение моделей из OpenRouter и кэширование метаданных моделей для оптимизации производительности.

Возможности

• generate_image — генерация изображения по текстовому промпту с поддержкой различных моделей; project — организация в подпапки output/{project}/ (опционально, по умолчанию _default); save_dir — директория для сохранения (опционально, имеет приоритет над project)

• edit_image — image-to-image редактирование (замена или трансформация части изображения); project — организация в подпапки output/{project}/ (опционально, по умолчанию _default); save_dir — директория для сохранения (опционально, имеет приоритет над project)

• list_models — динамический список доступных моделей с информацией о ценах и параметрах

Требования

• Python 3.11+

• Docker Desktop

• OpenRouter API key (https://openrouter.ai)

Быстрый старт

1. Клонируйте репозиторий:

   git clone https://github.com/afr13nd77/mcp_photo.git
   cd mcp_photo

2. Скопируйте .env.example в .env и вставьте ваш OpenRouter API key:

   cp .env.example .env
   # Отредактируйте .env: OPENROUTER_API_KEY=sk_...

3. Соберите контейнер:

   docker compose build

4. Запустите сервер:

   docker compose run --rm -i mcp-photo

Подключение к Claude Desktop

Добавьте следующий блок в конфиг ~/.claude/claude_desktop_config.json:

{
  "mcpServers": {
    "mcp-photo": {
      "command": "docker",
      "args": ["compose", "-f", "I:/ai_projects/mcp_photo/docker-compose.yml", "run", "--rm", "-i", "mcp-photo"]
    }
  }
}

Поддерживаемые модели

Примечание: полный список доступных моделей и их актуальные цены обнаруживаются динамически при запуске инструмента list_models. Таблица выше содержит Tier 1 модели, наиболее часто используемые.

Конфигурация

Разработка

Установка зависимостей для разработки:

pip install -e ".[dev]"

Запуск тестов:

pytest

Проверка кода:

ruff check .

Форматирование кода:

ruff format .

Версия

0.1.0 — Первый релиз с полной функциональностью MCP-сервера.