ai-media-mcp

Un servidor MCP de un solo archivo y sin dependencias para la generación de imágenes y vídeo con GPT-Image / Gemini / Grok / Jimeng, con cero base64: todo se guarda en disco y solo se devuelven rutas de archivo.

Se requiere Node.js 18+. Sin npm install, sin paso de compilación. Solo ejecuta el .mjs.

✨ Características

• 🖼 Generación de imágenes — generate_image: una única ruta compatible con OpenAI, paso del nombre del modelo (gpt-image-2 / gemini-3-pro-image / grok-imagine-image-quality / doubao-seedream / modelos de imagen de Jimeng…)

• 🎬 Generación de vídeo — generate_video (solo envío) / get_video_status (sondeo) / generate_video_and_wait (envío → sondeo → descarga). Enruta automáticamente el vídeo de Grok y el de Jimeng.

• 🔑 Enrutamiento con múltiples claves — los distintos modelos usan automáticamente su propia clave de API y URL base (algo habitual en pasarelas relay/agregadoras).

• 🚫 Cero base64 — las imágenes y los vídeos se guardan en el disco local; las respuestas solo contienen Guardado en: ... (~350 bytes frente a ~3 MB con los envoltorios típicos de MCP).

• 📚 Consulta de capacidades — list_model_capabilities: consulta resoluciones / proporciones de aspecto / duraciones admitidas por modelo; búsqueda inversa (size: "720p", aspect_ratio: "21:9"). Coste cero.

• 🖼 Imágenes de referencia múltiples (image-to-image) — array images (hasta 5): imagen múltiple nativa de Gemini mediante múltiples inlineData; arrays de GPT/Grok con salto automático de edits → generations. Se conserva el modelo solicitado; GPT, Gemini y Grok han superado las pruebas de pasarela con dos referencias.

• 🎬 Vídeo con imagen de referencia (image-to-video) — una sola image (Grok image_url, Jimeng first_frame_url) o varias images (Jimeng reference_image_urls hasta 9, array image_url de Grok como alternativa).

• ✍️ Mejora automática del prompt — auto_prompt: true (por defecto): si el prompt tiene menos de 15 caracteres y hay imágenes de referencia, se aplica una plantilla interna de «fusión sin costuras» (iluminación / perspectiva / ajuste de color / instrucciones anti-recorte, verificadas en generaciones reales).

• 🧪 @chatbox-latest — pasa image: "@chatbox-latest" para leer automáticamente la imagen más reciente arrastrada en la ventana de Chatbox (chatbox-blobs\pictureinput-*). Los alias repetidos en images conservan el orden de los adjuntos de la interfaz.

• 🔎 Referencias verificables — cada imagen generada informa metadatos reference_images ordenados en función de los bytes exactos enviados: etiqueta de origen segura, MIME, número de bytes, dimensiones y SHA-256.

• 📥 Entrega en sandbox — los llamadores pueden pasar su sandbox de escritura como output_dir, mantener return_mode: "path" y convertir los archivos devueltos en tarjetas de descarga sin mover archivos desde directorios externos no relacionados.

Related MCP server: imagen-mcp

📦 Instalación

# Just clone/copy the mjs and run it directly
node ai-media-mcp.mjs

Sin dependencias npm. Añádelo a tu cliente MCP (p. ej., Chatbox / Claude Desktop) como servidor stdio:

{
  "command": "node",
  "args": ["/path/to/ai-media-mcp.mjs"],
  "env": { "...": "see .env.example" }
}

⚙️ Configuración

Todas las variables son opcionales. Un grupo recurre a la variable unificada AI_MEDIA_API_KEY / AI_MEDIA_BASE_URL solo cuando su variable de grupo está ausente. Si una clave de grupo está explícitamente presente pero vacía (por ejemplo, AI_MEDIA_JIMENG_API_KEY=), ese grupo queda deshabilitado y no reutilizará la clave de otro proveedor.

🧭 Enrutado

Por prefijo del modelo:

🛠️ Herramientas

📄 Licencia

MIT