Skip to main content
Glama

sd-api-mcp

Ein MCP-Server (Model Context Protocol), der eine Stable-Diffusion-REST-API für KI-Agenten bereitstellt. Unterstützt SD1.5-, SDXL- und Illustrious-XL-Pipelines für Text-zu-Bild-Generierung, Inpainting, Modellverwaltung und Modellzusammenführung.

Er basiert auf dem Projekt SD API Backend.

Erstellt mit dem MCP Python SDK und verwaltet mit uv.

Anforderungen

Related MCP server: Segmind MCP Server

Installation

git clone <repo-url>
cd sd-api-mcp
uv sync

Verwendung

stdio (Standard)

Für die Verwendung mit MCP-Clients, die den Serverprozess verwalten (z. B. Claude Code, Claude Desktop):

uv run sd-api-mcp

SSE

uv run sd-api-mcp --transport sse --host 0.0.0.0 --port 8080

Streamable HTTP (empfohlen für Netzwerkbereitstellungen)

uv run sd-api-mcp --transport streamable-http --host 0.0.0.0 --port 8080

Der MCP-Endpunkt ist verfügbar unter http://<host>:<port>/mcp.

Claude-Desktop-Konfiguration

Fügen Sie zu Ihrer claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "stable-diffusion": {
      "command": "uv",
      "args": ["run", "--project", "/path/to/sd-api-mcp", "sd-api-mcp"],
      "env": {
        "SD_API_URL": "http://localhost:8000"
      }
    }
  }
}

Claude-Code-Konfiguration

claude mcp add stable-diffusion -- uv run --project /path/to/sd-api-mcp sd-api-mcp

OpenCode-Konfiguration

Fügen Sie zu Ihrer opencode.json hinzu:

{
  "mcp": {
    "stable-diffusion": {
      "type": "stdio",
      "command": "uv",
      "args": ["run", "--project", "/path/to/sd-api-mcp", "sd-api-mcp"],
      "env": {
        "SD_API_URL": "http://localhost:8000"
      }
    }
  }
}

Für SSE- oder Streamable-HTTP-Transports starten Sie den Server separat und verwenden Sie stattdessen eine Remote-URL:

{
  "mcp": {
    "stable-diffusion": {
      "type": "sse",
      "url": "http://localhost:8080/sse"
    }
  }
}

Umgebungsvariablen

Variable

Standard

Beschreibung

SD_API_URL

http://localhost:8000

Basis-URL der Stable-Diffusion-API

SD_POLL_INTERVAL

2.0

Sekunden zwischen Job-Statusabfragen

SD_POLL_TIMEOUT

600.0

Maximale Sekunden, die auf den Abschluss eines Jobs gewartet wird

MCP_TRANSPORT

stdio

Transportprotokoll (stdio, sse, streamable-http)

MCP_HOST

127.0.0.1

Bindeadresse für SSE/HTTP-Transports

MCP_PORT

8080

Port für SSE/HTTP-Transports

Verfügbare Tools

Bildgenerierung

Tool

Beschreibung

generate_image

Ein Bild generieren und auf das Ergebnis warten

inpaint_image

Einen maskierten Bereich inpaintieren und auf das Ergebnis warten

submit_generate

Einen Generierungsjob einreichen, Job-ID sofort zurückgeben

submit_inpaint

Einen Inpainting-Job einreichen, Job-ID sofort zurückgeben

batch_generate

Bis zu 10 Generierungsanfragen gleichzeitig einreichen

compare_models

Mit 2-6 Modellen mit demselben Prompt zur Vergleich generieren

Alle Generierungstools akzeptieren einen pipeline-Parameter: "sd15", "sdxl" oder "illustrious".

Modellverwaltung

Tool

Beschreibung

list_models

Verfügbare Checkpoints, LoRAs oder VAEs auflisten

get_model_metadata

Metadaten aus dem safetensors-Header eines Modells lesen

Jobverwaltung

Tool

Beschreibung

list_jobs

Alle Jobs mit Status und Fortschritt auflisten

get_job_status

Status und Ergebnis eines bestimmten Jobs abrufen

cancel_job

Einen ausstehenden oder laufenden Job abbrechen

System

Tool

Beschreibung

health_check

Prüfen, ob die SD-API erreichbar ist

system_info

GPU-, Cache- und Warteschlangenstatistiken abrufen

list_schedulers

Verfügbare Noise-Scheduler auflisten

get_app_settings

Aktuelle Konfigurationsparameter abrufen

Modellzusammenführung

Tool

Beschreibung

merge_models

Zwei Checkpoints zusammenführen (linear, slerp, additiv, subtraktiv)

batch_merge_models

Ein Basismodell mit mehreren Zielen zusammenführen

recipe_merge

Eine mehrstufige Merge-Rezeptur ausführen

Beispiele

Ein Bild generieren (Agentenperspektive)

Ein KI-Agent würde das Tool generate_image mit folgendem Aufruf verwenden:

{
  "pipeline": "sdxl",
  "positive_prompt": "a cat sitting on a windowsill, golden hour lighting, photorealistic",
  "negative_prompt": "blurry, low quality",
  "model_checkpoint": "dreamshaperXL_v2.safetensors",
  "width": 1024,
  "height": 1024,
  "steps": 30,
  "cfg_scale": 7.0,
  "seed": -1,
  "scheduler": "DPM++ 2M"
}

Das Tool reicht den Job an die SD-API weiter, pollt bis zum Abschluss und gibt das vollständige Ergebnis einschließlich des generierten Bildes zurück.

Verfügbare Modelle auflisten

{
  "model_type": "sdxl",
  "resource_type": "checkpoints"
}

Zwei Modelle zusammenführen

{
  "model_type": "sd15",
  "base_model": "v1-5-pruned.safetensors",
  "target_model": "dreamshaper_8.safetensors",
  "output_name": "merged_model.safetensors",
  "method": "slerp",
  "alpha": 0.5
}

Projektstruktur

src/sd_api_mcp/
    __init__.py   # CLI entry point with transport selection
    server.py     # MCPServer instance and tool definitions
    client.py     # Async HTTP client for the SD API

Lizenz

Dieses Projekt ist unter der GNU General Public License v3.0 lizenziert. Siehe LICENSE für Details.

Install Server
A
license - permissive license
A
quality
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Generate images, GIFs, and PDFs from HTML, URLs, or templates — from your AI agent.

  • Create and manage cinematic AI video renders through the Future Video Studio Agent API.

  • LLM chat, text summarization and AI image generation

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/mcaimi/sd-api-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server