Cloudflare AI Image MCP

这是一个基于 Model Context Protocol (MCP) 的 Cloudflare Workers 服务，允许你通过 AI 助手（如 Claude Desktop）直接调用 Cloudflare Workers AI 的图像生成模型。

🚀 快速开始（控制台部署教程）

如果你不想使用终端命令，可以完全在 Cloudflare 浏览器控制台中完成部署：

1. 准备 Cloudflare 资源

1. 登录 Cloudflare 控制台。

2. 创建 R2 存储桶：

   • 点击左侧菜单 "R2" -> "Create bucket"。

   • 命名为 mcp-images（或者你喜欢的名字，记下它）。

3. 启用 AI：

   • 确保你的账户已启用 Workers AI（通常默认开启）。

2. 创建并部署 Worker

1. 进入 "Workers & Pages" -> "Create application" -> "Create Worker"。

2. 给你的 Worker 起个名字（例如 cloudflare-ai-image-mcp）。

3. 点击 "Deploy"。

4. 部署完成后，点击页面右上角的 "Edit Code" 按钮。

5. 在左侧文件列表中，找到并打开 worker.js (或者 index.ts)。

6. 删除原有内容，将本项目 src/index.ts 中的全部代码粘贴进去。

7. 点击右上角的 "Deploy" 按钮。

3. 配置绑定与变量（关键步骤）

回到该 Worker 的主页面，点击 "Settings" 选项卡：

A. 变量 (Variables)

1. 找到 "Environment Variables" -> "Add variable"。

2. 添加变量：

   • Variable name: PASSWORD

   • Value: 设置你的访问密码（用于 MCP 连接鉴权）。

   • Variable name: CUSTOM_DOMAIN (可选)

   • Value: 如果你绑定了自定义域名（如 mcp.example.com），请填入，否则返回的链接将使用默认的 .workers.dev 域名。

   • 点击 "Save and deploy"。

B. 绑定 (Bindings)

1. 找到 "Bindings" -> "Add binding"。

2. 添加 R2 Bucket 绑定：

   • Service role: 选择 R2 Bucket。

   • Variable name: 必须填写 IMAGES。

   • R2 bucket: 选择你第一步创建的存储桶。

3. 添加 AI 绑定：

   • 点击 "Add binding" -> 选择 AI。

   • Variable name: 必须填写 AI。

4. 点击 "Save and deploy"。

4. 获取你的端点

你的端点 URL 格式通常为： https://项目名.用户名.workers.dev/sse

🎨 可用模型

🛠️ 在 Claude Desktop 中配置

打开你的 Claude Desktop 配置文件，添加以下内容：

{
  "mcpServers": {
    "cloudflare-ai-image": {
      "command": "curl",
      "args": [
        "-N",
        "-H", "Authorization: Bearer 你的密码",
        "https://你的项目名.你的用户名.workers.dev/sse"
      ]
    }
  }
}

📄 开源协议

Apache-2.0