tai-mcp

tai-mcp 是一个可独立部署的 MCP 服务，把 tai-openapi 的 OpenAI 兼容图片生成和编辑接口 封装为 MCP 工具。MCP 客户端调用 generate_image 或 edit_image 后会直接收到标准 MCP ImageContent，不依赖 tai-openapi 返回的本地图片 URL。

功能

• generate_image：调用 POST /v1/images/generations，返回一张可直接显示的图片及元数据。

• edit_image：调用 POST /v1/images/edits，支持多张输入图、mask、size 和模型专属参数。

• get_image_model_capabilities：调用 GET /v1/image-models/{model}/capabilities，查询 edit 模型实际接受的输入。

• list_image_models：调用 GET /v1/models，查看当前上游启用的模型。

• Streamable HTTP：MCP 地址为 http(s)://<host>:8001/mcp。

• 无状态 JSON 响应，适合反向代理和横向扩容。

• MCP 入口支持独立 Bearer Token；上游 API Key 不暴露给 MCP 客户端。

• /healthz 检查本服务，/readyz 同时检查 tai-openapi。

Related MCP server: MCP OpenAI Image Generation Server

与 tai-openapi 的接口契约

本项目使用官方 OpenAI Python SDK 的 AsyncOpenAI 与上游通信。图片生成、图片编辑和模型列表分别直接使用 client.images.generate()、client.images.edit() 和 client.models.list()； get_image_model_capabilities 与 /readyz 所需的 capabilities、health 接口属于 tai-openapi 扩展，通过同一个官方客户端的底层 get() 方法访问。

seed 和 parameters 不是 OpenAI Image API 的标准字段，分别通过 SDK 的 extra_body 合并到 generation JSON 和 edits multipart 请求中。多图编辑采用官方 SDK 生成的 image[] 字段，tai-openapi 会将其规范化为内部的 image 输入。

generate_image 固定向上游发送：

{
  "model": "tai-text-to-image",
  "prompt": "A quiet library at night",
  "size": "1024x1024",
  "seed": 42,
  "response_format": "b64_json"
}

size 和 seed 未传时不会出现在请求中。固定使用 b64_json 是为了让远程 MCP 客户端直接获得图片，并避免公网部署时误返回仅服务器本机可访问的图片 URL。 一次 MCP 调用只发起一次上游生图请求；超时或网络中断不会自动重试，以免重复生成。

编辑前应先调用 get_image_model_capabilities(model)。返回结果会明确说明：

• input.min_images / input.max_images：images 所需的图片数量。

• input.mask：forbidden、optional 或 required。

• input.size：是否允许传 size。

• input.prompt_required：是否需要 prompt 字段。

• parameters_schema：parameters 必须满足的 JSON Schema。

• parameters_example：该模型扩展参数的可用示例。

edit_image.images 和 mask 接受 PNG、JPEG、WebP 的纯 base64 字符串或 data:image/png;base64,... 形式的 Data URL。MCP 服务把它们解码后作为文件上传给上游； response_format 固定为 b64_json。例如 tai-image-to-image 的典型参数为：

{
  "prompt": "Make the bodywork brighter",
  "images": ["data:image/png;base64,<base64-data>"],
  "model": "tai-image-to-image",
  "parameters": {"denoise": 0.55}
}

图片顺序会原样保留，具体每个位置代表原图还是参考图由所选模型的 capabilities 决定。 seed 等 edit 专属字段放在 parameters 中，不能作为顶层参数传入。

本地运行

要求 Python 3.12+ 和 uv。

Copy-Item .env.example .env
# 编辑 .env，至少填写 TAI_OPENAPI_API_KEY
uv sync --extra dev
uv run python -m tai_mcp

默认监听 0.0.0.0:8001：

• MCP：http://127.0.0.1:8001/mcp

• 存活检查：http://127.0.0.1:8001/healthz

• 就绪检查：http://127.0.0.1:8001/readyz

stdio 模式

本地 Codex 可以通过 stdio 按需启动 MCP，无需监听端口：

uv run python -m tai_mcp --transport stdio

stdio 模式会继续从项目目录的 .env 读取上游地址、API Key 和默认模型； MCP_HOST、MCP_PORT、MCP_API_KEY 和 CORS 配置在该模式下不生效。

注册到 Codex 时使用项目启动脚本。脚本会先切换到项目目录，确保 .env 能被读取：

codex mcp add tai-images -- `
  powershell.exe -NoLogo -NoProfile -NonInteractive -ExecutionPolicy Bypass `
  -File C:\Users\xiuzhenpeng\Desktop\vscode-dev\tai-mcp\run-stdio.ps1

不要在 codex mcp add --env 中直接写 API Key；该值会进入 Codex 配置。启动脚本让密钥 继续只保存在项目的 .env 中。

用 MCP Inspector 验证：

npx -y @modelcontextprotocol/inspector

在 Inspector 中把地址设为 http://127.0.0.1:8001/mcp。如果配置了 MCP_API_KEY，添加请求头：

Authorization: Bearer <MCP_API_KEY>

配置

工具的 model 参数可以覆盖默认模型，但仍受上游 API Key 权限和模型配置约束。

生成 MCP_API_KEY

MCP_API_KEY 是客户端访问 /mcp 时使用的 Bearer Token。公网部署必须使用独立的 强随机值，不要复用 TAI_OPENAPI_API_KEY。

在项目目录中运行以下命令，生成一个基于 48 字节随机数据的 URL 安全密钥：

uv run python -c "import secrets; print(secrets.token_urlsafe(48))"

如果系统已经安装 OpenSSL，也可以生成 32 字节随机值并输出为 64 位十六进制：

openssl rand -hex 32

复制命令输出的完整一行，写入 .env：

MCP_API_KEY=这里替换为刚生成的随机密钥

不要把真实密钥写入 .env.example、提交到 Git 或粘贴到公开日志。修改密钥后需要重启 容器：

docker compose up -d --force-recreate

MCP 客户端访问 https://<你的域名>/mcp 时需要发送：

Authorization: Bearer <MCP_API_KEY>

Docker

先创建配置：

Copy-Item .env.example .env

如果 tai-openapi 跑在 Docker 宿主机的 8000 端口，把 .env 改为：

TAI_OPENAPI_BASE_URL=http://host.docker.internal:8000/v1

然后启动：

docker compose up -d --build
docker compose ps

如果两个服务位于同一个 Compose 网络，建议直接使用服务名，例如 TAI_OPENAPI_BASE_URL=http://tai-openapi:8000/v1。

公网发布检查清单

1. 为 MCP_API_KEY 生成至少 32 字节的随机值，不要和上游 API Key 共用。

2. 只通过 HTTPS 暴露 MCP；可参考 deploy/nginx.conf.example。

3. 防火墙只开放 80/443，不直接暴露 8001；上游 8000 更不应直接暴露。

4. Nginx 的读写超时要大于 tai-openapi 的最大生图时间。

5. 将 .env 保留在服务器，不提交到 Git。

6. 若启用 CORS，只配置实际 MCP Web 客户端的 Origin，不要在公网使用 *。

7. 发布后验证 /healthz、/readyz、工具列表以及一次真实生图。

静态 Bearer Token 适合私有客户端或能够配置自定义请求头的 MCP Host。如果需要面向 不受控第三方用户开放，应在反向代理或独立授权服务中实现 MCP OAuth 2.1，而不是共享 同一个静态 Token。

测试与质量检查

uv run --extra dev pytest
uv run --extra dev ruff check .
uv run --extra dev ruff format --check .