MetaRouter Image MCP
Click on "Deploy 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., "@MetaRouter Image MCP Generate a photorealistic image of a futuristic silver router levitating in a white studio"
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.
MetaRouter Media MCP
把 MetaRouter 的生图接口和 HappyHorse 视频接口接入 Codex 或其他支持 MCP 的客户端。安装后,你可以直接用自然语言让 Codex 生成、编辑图片,也可以提交文生视频、图生视频、参考图生视频和视频编辑任务。
这个项目从零实现,服务地址固定为 https://metarouters.org,不会把 API Key 发送到用户指定的第三方地址。
支持的工具
MCP 工具 | 用途 |
| 文生图,一次生成 1–4 张图片 |
| 根据提示词编辑一张本地图片 |
| 对多张本地图片逐张执行同一种编辑 |
| 以 2–10 张图片作为同一次生成的参考图 |
| 提交 HappyHorse 文生视频、图生视频、参考图生视频或视频编辑任务 |
| 查询任务;可轮询等待完成并安全下载 MP4 |
| 下载已完成任务返回的受信任 HTTPS 视频 URL |
| 查看当前模型、保存目录和安全设置,不返回密钥 |
默认模型是 gpt-image-2。当尺寸达到约 4K 时会自动选择 gpt-image-2-pro,也可以在调用时显式指定模型。
HappyHorse 支持 happyhorse-1.0-t2v、happyhorse-1.0-i2v、happyhorse-1.0-r2v 和 happyhorse-1.0-video-edit。除纯文生视频外,上游当前要求素材使用公网 HTTPS URL,不接受本地路径或 Base64。
Related MCP server: imagegen-mcp
快速安装到 Codex
要求:
Python 3.10 或更高版本
已安装 Codex 桌面端或 Codex CLI
一个可用的 MetaRouter API Key
克隆仓库并运行安装器:
git clone https://github.com/cimicimi9090/mcp-pic-metarouters.git
cd mcp-pic-metarouters
python install.py安装器会:
隐藏输入 API Key;
调用
https://metarouters.org/v1/models验证密钥及图片/视频模型;安装 Python 依赖;
备份并更新
~/.codex/config.toml;将图片和视频默认保存到
~/Pictures/MetaRouter。
安装完成后重启 Codex。先尝试:
调用 metarouter-image 的 server_info然后可以直接说:
调用 image_generate,生成一张 1536x1024 的写实产品图:
白色摄影棚里悬浮着一台银色未来主义路由器,柔和轮廓光,高级商业摄影。也可以直接说:
调用 video_generate,使用 happyhorse-1.0-t2v 生成 5 秒、720P、16:9 的视频:
澳门雨夜,一辆未来主义电动跑车驶过霓虹街道,电影级运镜。
提交后继续调用 video_status,wait=true,等待完成。Codex 手动配置
不使用安装器时,可以先安装当前项目:
python -m pip install -e .然后在 ~/.codex/config.toml 中添加以下配置。请把路径和密钥替换为你自己的值:
[mcp_servers.metarouter-image]
command = "C:/Path/To/python.exe"
args = ["D:/Path/To/mcp-pic-metarouters/server.py"]
startup_timeout_sec = 30
tool_timeout_sec = 900
[mcp_servers.metarouter-image.env]
METAROUTER_API_KEY = "sk-your-metarouter-key"
METAROUTER_IMAGE_MODEL = "gpt-image-2"
METAROUTER_IMAGE_PRO_MODEL = "gpt-image-2-pro"
METAROUTER_VIDEO_MODEL = "happyhorse-1.0-t2v"
METAROUTER_SAVE_DIR = "C:/Users/you/Pictures/MetaRouter"
METAROUTER_SAVE_DIR_ROOT = "C:/Users/you/Pictures/MetaRouter"
METAROUTER_TRUSTED_VIDEO_HOSTS = "metarouters.org"使用示例
文生图:
调用 image_generate:
- prompt:一张极简蓝紫渐变的 SaaS 产品封面,中心是抽象字母 M,干净留白
- size:1024x1024
- n:1编辑本地图片:
调用 image_edit:
- image_path:C:/Users/you/Pictures/source.png
- prompt:保留主体构图,把背景改成夜晚的东京街头,增加自然霓虹反光
- size:1536x1024多参考图:
调用 image_multi_reference:
- image_paths:两到十张本地 PNG、JPEG 或 WebP 文件
- prompt:使用第一张的构图、第二张的配色和第三张的材质,生成统一的新设计
- size:2048x2048工具返回生成文件的绝对路径,Codex 可以继续读取、展示或交给后续流程处理。
文生视频:
调用 video_generate:
- model:happyhorse-1.0-t2v
- prompt:无人机穿越未来城市峡谷,日落金色逆光,连续电影镜头
- duration:5
- resolution:720P
- ratio:16:9提交后把返回的 task_id 交给 video_status。设置 wait=true 可持续轮询,设置 download=true 可在完成后下载。图生视频使用 happyhorse-1.0-i2v 并传入一个 image_url;参考图生视频使用 happyhorse-1.0-r2v 并传入 1–9 个 reference_image_urls;视频编辑使用 happyhorse-1.0-video-edit 并传入 video_url。
若结果视频的域名不在信任列表中,先确认它确实属于 MetaRouter/上游视频 CDN,再把该域名加入 METAROUTER_TRUSTED_VIDEO_HOSTS 并重启 Codex。不要使用通配符。
环境变量
变量 | 默认值 | 说明 |
| 无 | 必填,MetaRouter API Key |
|
| 常规生图模型 |
|
| 大尺寸自动使用的模型 |
|
| 默认 HappyHorse 视频模型 |
|
| 请求超时秒数,最小 30 秒 |
|
| MCP 允许写入的根目录 |
| 与根目录相同 | 默认输出目录,必须位于根目录内 |
| 不限制 | 可选;设置后只允许读取该目录内的参考图片 |
|
| 单张本地输入图片的大小上限 |
|
| 单个视频的本地下载大小上限 |
|
| 允许下载结果图片的 HTTPS 域名,逗号分隔 |
|
| 允许下载结果视频的 HTTPS 域名,逗号分隔 |
尺寸与计费提醒
尺寸格式是
宽x高,范围为 256–4096,宽和高都必须是 8 的倍数。image_batch_edit会为每张输入图片分别发起一次接口调用,因此每张都会独立计费。image_multi_reference会把多张参考图放进同一次编辑请求,是否支持以及具体限制取决于所选上游模型。HappyHorse 是异步任务:
video_generate只提交任务,实际完成情况使用video_status查询。video_status(wait=true)最长等待 900 秒;超时不会取消任务,可稍后继续查询同一个task_id。视频时长目前为 3–15 秒,分辨率为 720P 或 1080P;具体可用组合以控制台为准。
最终可用模型、质量参数、速率限制和计费以 MetaRouter 控制台为准。
安全设计
API 网关在代码中固定为
https://metarouters.org,MCP 参数不能覆盖它。只接受 PNG、JPEG 和 WebP 本地输入,并限制单文件大小。
默认只能把生成结果写入
METAROUTER_SAVE_DIR_ROOT内部。远程结果只允许从 HTTPS 及受信任域名下载,减少 SSRF 风险。
视频 CDN 下载使用独立、无 Authorization 的客户端,不会把 MetaRouter API Key 发给结果域名。
API 错误会截断和清理后再返回,不会主动输出 Authorization 请求头。
API Key 保存在本机 Codex 配置中。不要把真实密钥写进仓库、截图、Issue 或日志;如已公开,请立即在控制台撤销并重新生成。
卸载由安装器写入的 Codex 配置:
python install.py --reset开发与测试
python -m pip install -e ".[dev]"
python -m pytest测试不需要真实 API Key,也不会发起计费请求。
License
Available Tools
5 toolsimage_batch_editA
对多张本地图片逐张执行同一编辑指令,适合批量换背景或统一风格。
image_paths 最多 20 张;每张图片会产生一次独立的计费请求。
Inputs: prompt (required), image_paths (required), size, model, +2 more. Returns: object
image_editA
使用一张本地参考图,通过 MetaRouter 改图或图生图。
Args: image_path: 本地 PNG、JPEG 或 WebP 文件的绝对路径。 prompt: 编辑要求,应明确哪些内容保留、删除或修改。 size: 输出尺寸 WxH,宽高须为 8 的倍数。 model: 可选模型;留空自动选择。 quality: 可选质量参数。 output_dir: 可选保存目录,必须位于安全输出根目录下。
Inputs: prompt (required), image_path (required), size, model, +2 more. Returns: object
image_generateA
通过 MetaRouter 文生图。
Args: prompt: 图片描述,建议包含主体、构图、风格、光线以及禁止内容。 size: WxH,例如 1024x1024、1536x1024、2048x2048。宽高须为 8 的倍数。 model: 可选模型;留空默认 gpt-image-2,超大尺寸自动使用 gpt-image-2-pro。 n: 生成数量,1 到 4;高分辨率建议使用 1。 quality: 可选质量参数,留空使用后端默认。 output_dir: 可选保存目录,必须位于配置的安全输出根目录下。
Inputs: prompt (required), n, size, model, +2 more. Returns: object
image_multi_referenceA
融合 2 到 10 张本地参考图,生成一张新图。
prompt 中应写明每张参考图分别提供哪些构图、配色、人物或产品特征。
Inputs: prompt (required), image_paths (required), size, model, +2 more. Returns: object
server_infoA
返回当前 MetaRouter MCP 的安全运行配置,不返回完整 API Key。
Inputs: no named parameters. Returns: object
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 5 tools
Each image tool has a distinct purpose: generation, single edit, batch edit, and multi-reference fusion. server_info is clearly separate as configuration info. No two tools are easily confused.
The image_ prefix unifies the image tools, but the suffixes mix verb forms (generate, edit) with noun phrases (multi_reference). server_info deviates from the prefix but is a typical meta-tool.
With five tools, the server is well-scoped, covering the essential image generation and editing workflows without redundancy. Each tool has a clear role.
The toolset covers text-to-image, single-image editing, batch editing, and multi-reference fusion, which are the major image operations. server_info provides configuration context, leaving no obvious gaps.
Maintenance
Related MCP Connectors
Focused MCP server for OpenAI image/audio generation (v2.0.0). Wraps endpoints via HAPI CLI.
MCP server for Qwen Image 3 AI image generation
MCP server for OpenAI API (chat completions, image generation, embeddings) via AceDataCloud
MCP server for Flux AI image generation
Related MCP Servers
- AlicenseBqualityDmaintenanceMCP server for generating and editing images using EFLOWCODE's Responses API. Supports text-to-image, image editing, batch editing, and multi-reference synthesis for MCP clients like Codex and Claude.56MIT
- AlicenseNot gradedqualityDmaintenanceMCP server that wraps OpenAI's image generation and editing APIs, enabling text-to-image and image-to-image operations via tools.230 npm37ISC
- AlicenseNot gradedqualityCmaintenanceMCP server for generating, editing, and processing images via multiple providers including Kilo, OpenRouter, OpenAI, and Gemini, with local tools for background removal, resizing, and cropping.27 npm3MIT
- AlicenseAqualityDmaintenanceMCP server for AI image generation supporting multiple providers (OpenRouter, Together AI, Replicate, fal.ai) and compatible with various MCP agents.263 npm1MIT