This MCP server wraps the AihubMax media generation API, enabling AI agents to:
Discover models: list_models (filter by media type/keyword, check availability), describe_model (see endpoint, parameters, examples, pricing).
Generate media: generate_image, generate_video, generate_audio, generate_document. Short tasks return URLs directly; long tasks return a task_id for later retrieval.
Manage async tasks: get_task queries status/results; wait_for_task blocks with MCP progress notifications and resumable waiting.
Handle files: upload_file converts local files, URLs, or base64 to an AihubMax-referenceable URL; download_asset saves task outputs (e.g., videos) locally before expiry.
Analyze & query LLMs: analyze_media uses multimodal models to describe images/video/audio; ask_model sends prompts/messages to another LLM for second opinions; create_embeddings generates vector embeddings.
Check credits: get_credits returns current quota, usage, and balance.
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@aihub-mcp generate an image of a sunset over the ocean"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
MCP server for the AihubMax media generation API — https://docs.aihubmax.com.
把 AihubMax（api.aihubmax.com）的媒体生成能力（图像 / 视频 / 音频 / 文档 + 异步任务体系）封装成 Agent 友好的 MCP server。目标：Agent 拿到一个 sk- key 后，能在对话里顺畅地发现模型、生成媒体、拿回结果。
工具 | 作用 |
| 列出模型。主列表来自 |
| 查看某模型的端点、参数（类型/枚举/默认/中文说明）、示例、定价 |
| 提交生成任务，默认等待 45s：短任务直接返回结果 URL，超时返回 task_id；图像成功时内联回传图片 |
| 提交视频任务，默认不等待、立即返回 task_id（视频是分钟级，阻塞等待会撞穿客户端工具超时），再用 |
| 查询/轮询异步任务到终态 |
| 阻塞等待长任务 + MCP 进度通知；超时返回 still-running 可续等 |
| 把任务产物或 URL 流式下载到本地磁盘（视频等大文件落盘） |
| 查询当前 Key 的总额度 / 已用 / 剩余 |
| 本地文件 / 远程 URL / base64 → 可引用的 URL（i2v 等场景刚需）。本地文件上限 20 MB，更大的请走 |
| 多模态 LLM 分析图/视频/音频 → 文本（宿主模型看不了视频/听不了音频时补位） |
| 问另一个 LLM（二次意见 / 试用），非主对话通道 |
线上可调用 id 与文档 spec 里的 model 名是两套命名：文档写 veo-3.1，网关实际提供的是
veo-3.1[4k]、google/veo-3.1[fast] 这类变体 id，裸 family 名不一定能直接提交。
因此 list_models 的 models 段直接给线上真实 id，照抄即可提交；catalog_only 段列的是
文档中存在但当前 Key 未开通的模型，需要先开通。两套命名的完整对应关系见
docs/model-mapping.md（由 scripts/build-mapping.ts 生成）。
Related MCP server: ImaginePro MCP Server
在 MCP 客户端（Claude Code / Claude Desktop / Cursor 等）配置：
{
"mcpServers": {
"aihub": {
"command": "npx",
"args": ["-y", "github:cookaihq/aihub-mcp"],
"env": { "AIHUB_API_KEY": "sk-你的key" }
}
}
}当前走 GitHub 分发（npm 发布后再改为
"aihub-mcp"）。仓库github:cookaihq/aihub-mcp；首次拉取时npx会自动执行prepare编译。 本地开发也可把command/args指向node /绝对路径/dist/index.js，或AIHUB_API_KEY=sk-... npm run dev。
base URL 可用 AIHUB_BASE_URL 覆盖。Key 推荐用环境变量 AIHUB_API_KEY；也支持
--api-key sk-...，但命令行参数会出现在 ps aux 里，同机其他用户可见，仅建议本机调试时使用。
npm install
npm run typecheck
npm test # 离线回归测试（不需要 Key，不产生费用）
npm run build # 输出 dist/
# 目录管道（需要 aihubmax 文档站源码）
MINTLIFY_DIR=/path/to/mintlify npm run build-catalog
AIHUB_API_KEY=sk-... npm run build-mapping # 重建 catalog ↔ 线上 id 映射表
AIHUB_API_KEY=sk-... npm run verify # 端到端打真实 API 验收（会产生少量生成费用）M0 目录管道：catalog/catalog.zh.json（155 端点 / 128 模型 / 每模型完整参数 Schema）
M1 核心 server：11 工具 + stdio + 真实定价（/api/pricing）+ 产物三层交付，实测通过
M2 能力补齐：analyze_media / ask_model 已实现（13 工具全部实测通过）
M2 发布：文档站集成页、npm 发布、MCP registry（待授权/确认）
M3 托管模式（Streamable HTTP）
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
OCR, transcription, file extraction, and image generation for AI agents via MCP.
Generate images, video, and audio with Glif's media-generation agent
Build and run visual creative-production workflows from your AI agent.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/cookaihq/aihub-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server