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

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

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

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

Wait, I have Also to keep "MIME type" maybe "MIME type." Good.

Let's do final again, no errors.

But note "config table" from original has exact first row: "| Variable | Group | Description |" and "--- | --- |--- |" repeated. Then "| `AI_MEDIA_GPT_API_KEY` / `AI_MEDIA_GPT_BASE_URL` | GPT | `gpt-image-2` / `doubao-*` / Jimeng image |". "Jimeng image" maybe "Jimeng 图片" OK.

Let's list correct Config rows with all variables:

1. AI_MEDIA_GPT_API_KEY / AI_MEDIA_GPT_BASE_URL | GPT | `gpt-image-2` / `doubao-*` / Jimeng 图片
2. AI_MEDIA_GEMINI_API_KEY / AI_MEDIA_GEMINI_BASE_URL | Gemini | 原生 Gemini API（`/v1beta/models/...:generateContent`）
3. AI_MEDIA_GROK_API_KEY / AI_MEDIA_GROK_BASE_URL | Grok | `grok-imagine-image-quality` / `grok-imagine-video`
4. AI_MEDIA_JIMENG_API_KEY / AI_MEDIA_JIMENG_BASE_URL | Jimeng | `as-sd2.0-fast` / `video-ds-2.0`? Wait original `video-ds-2.0` may be "video-ds-2.0" but actually maybe "video-ds-2.0". The table says `as-sd2.0-fast` / `video-ds-2.0` - let's inspect original: "`as-sd2.0-fast` / `video-ds-2.0`". I need type exactly "video-ds-2.0"?? Source: "video-ds-2.0" may be typo? Wait original bullet says "video generation ... Jimeng video" and table "`video-ds-2.0`" vs code. Let's look at source text:

`| `AI_MEDIA_JIMENG_API_KEY` / `AI_MEDIA_JIMENG_BASE_URL`    | Jimeng  | `as-sd2.0-fast` / `video-ds-2.0`                         |`

Actually "as-sd2.0-fast" and "video-ds-2.0". Yes, so "video-ds-2.0" is correct, no confusion. We should keep exact. I had "video-ds-2.0" good.

5. AI_MEDIA_API_KEY / AI_MEDIA_BASE_URL | unified | 所有分组的统一回退
6. AI_MEDIA_IMAGE_MODEL | — | 默认图片模型（`gpt-image-2`）
7. AI_MEDIA_VIDEO_MODEL | — | 默认视频模型（`grok-imagine-video`）
8. AI_MEDIA_IMAGE_OUTPUT_DIR / AI_MEDIA_VIDEO_OUTPUT_DIR | — | 输出目录
9. AI_MEDIA_RETURN_MODE | — | `path`（默认，零 base64）/ `inline` / `both`
10. AI_MEDIA_AUTO_PROMPT | — | `auto`（默认）/ `never`
11. AI_MEDIA_TIMEOUT_MS / AI_MEDIA_POLL_INTERVAL_MS | — | 超时与轮询间隔

Need correct "AI_MEDIA_JIMENG" not "JIIMENG". Good.

Let's ensure the Group "unified" in config row 5 remains "unified" perhaps not "unified". Good.

Now "Routing" table:
- header | 模型前缀 | 分组 | API |
- rows:
`gemini-*` / `imagen-*` | Gemini | 原生 `/v1beta/models/{model}:generateContent`
`grok-*` | Grok | OpenAI 兼容
`video-ds*` / `as-sd*` | Jimeng | 基于任务的 `/videos`
其他（`gpt-*`、`doubao-*`、Jimeng 图片） | GPT | OpenAI 兼容

Need "OpenAI" maybe should be "OpenAI" exactly? Let's use "OpenAI 兼容" because original "OpenAI-compatible". It might count as product name "OpenAI"; if we fully translate it "兼容 OpenAI API" not necessary. We can say "OpenAI 兼容". Good.

"Native `/v1beta/models/{model}:generateContent`" Good.

Tools table:
| 工具 | 说明 |
| `generate_image` | 生成图片（n、size/aspect_ratio/quality、`image`/`images` 参考、`auto_prompt`） |
But original "n" should stay "n" not "n可". "生成图片（n、size/aspect_ratio/quality、`image`/`images` 参考图、`auto_prompt`）"
| `generate_video` | 仅提交视频任务（Grok/Jimeng 自动路由，支持 `image`/`images`） |
| `get_video_status` | 查询任务状态 |
| `generate_video_and_wait` | 提交 → 轮询 → 下载到 `output_dir`（或配置的默认目录），返回文件路径 |
| `list_model_capabilities` | 查询模型能力（分辨率/比例/时长），支持按 size 或比例反向查询 |
| `probe_capabilities` | 通过最少的真实调用探测实际支持的分辨率/比例，并缓存结果 |

License.

Now, need check all text in table includes "size/aspect_ratio/quality" as code? In original "size/aspect_ratio/quality" not code, but need preserve as is. We can leave.

Also "all variables optional" intro, "config variable falls back to unified..." Keep.

Important: We should not include extra paragraph "> ..." after Config table? Original has `***` after table. We'll include.

Let's compile final answer. Need no code fence, no wrapper. Let's ensure correct final.

Final response with Mark# ai-media-mcp

一个单文件、零依赖的 MCP 服务器，用于支持 **GPT-Image / Gemini / Grok / Jimeng** 上的 **图片生成与视频生成**，并完整实现 **零 base64**：所有生成内容均保存到磁盘，仅返回文件路径。

> 需要 Node.js 18+。无需 `npm install`，无需构建步骤，直接运行该 `.mjs` 文件即可。

* * *

## ✨ 特性

* ** 图片生成** — `generate_image`：一条与 OpenAI 兼容的路径，模型名透传（`gpt-image-2` / `gemini-3-pro-image` / `grok-imagine-image-quality` / `doubao-seedream` / Jimeng 图片模型……）
* **🎬 视频生成** — `generate_video`（仅提交）/ `get_video_status`（轮询）/ `generate_video_and_wait`（提交 → 轮询 → 下载），并自动路由 Grok 视频与 Jimeng 视频。
* **🔒 密钥路由** — 不同模型自动使用各自的 API Key / base URL（常见于中转 / 聚合传输网关）。
* **🚫 零 base64** — 图片 / 视频保存到本地磁盘，响应中只包含 `Saved to: ...`（约 350 字节，而常见 MCP 包裹器约为 3 MB）。
* **📚 能力查询** — `list_model_capabilities`：按模型查询支持的可选图片 / 宽高比 / 时长；可反向查（`size: "720p"`、`aspect_ratio: "21:9"`）。零成本。
*   **多个AME部分模型** — `images` 数组（最多 5 张）：Gemini 通过多组 `inlineData` 原生支持多图；GPT/Grok 数组自动回退为 `edits → generations`。将保留请求到的模型；GPT、Gemini、Grok、Gemini 已分别通过两图参考传输测试。
* **🎬 参考图视频（图生视频）** — 单张 `image`（Grok 的 `image_url`、Jimeng 的 `first_frame_url`）或多张 `images`（Jimeng 的 `reference_image_urls` 最多 9 张，Grok 回退到 `image_url` 数组形式）。
* **✍ 自动提示增强** — `auto_prompt: true`（默认）：当 prompt 少于 15 个字符 **且** 存在参考图时，会使用内置的“无缝融合”模板（光线 / 透视 / 色调校正 / 反向抠图指令，已通过真实生成内容验证）。
* **🧪 `@chatbox-latest`** — 传入 `image: "@chatbox-latest"` 可自动读取最近拖入 Chatbox 窗口的图片（`chatbox-blobs\pictureinput-*`）。在 `images` 中重复使用别名，会保持界面中最近传文件的附加顺序。
* **💬 可验证的参考引用** — 每张生成图都报告有序的 `reference_images` 元数据，这些信息基于实际传给上游的字节：安全来源标签、MIME 类型、尺寸和 SHA-256。
* * **📥 沙箱交付** — 调用方可将自己的沙箱作为 `output_dir` 传入，并保持 `return_mode: "path"`，无需移动其他无关外部目录中的文件，即可将生成的文件入化为可下载卡片。

* * *

## 📦 安装

GXP1

无 npm 依赖。将其以 stdio 服务器形式添加到 MCP 客户端（如 Chatbox / Claude Desktop）中：

GXP2

* * *

##  配置

所有变量**均可选**。某个分组的组变量不存在时，该组才会回退到统一 API Key / Base URL（`AI_MEDIA_API_KEY` / `AI_MEDIA_BASE_URL`）。如果某个分组 Key 明确存在但留空（例如 `AI_MEDIA_JIMENG_API_KEY=`），该分组会被禁用，不会复用其他提供商的已配置密钥。

| 变量 | 分组 | 说明 |
| --- | --- | --- |
| `AI_MEDIA_GPT_API_KEY` / `AI_MEDIA_GPT_BASE_URL` | GPT | `gpt-image-2` / `doubao-*` / {default} Jimeng 图片 |
| `AI_MEDIA_GEMINI_API_KEY` / `AI_MEDIA_GEMINI_BASE_URL` | Gemini | 原生 Gemini API（`/v1beta/models/...:generateContent`） |
| `AI_MEDIA_GROK_API_KEY` / `AI_MEDIA_GROK_BASE_URL` | Grok | `grok-imagine-image-quality` / `grok-imagine-video` |
| `AI_MEDIA_JIMENG_API_KEY` / `AI_MEDIA_JIMENG_BASE_URL` | Jimeng | `as-sd2.0-fast` / `video-ds-2.0` |
| `AI_MEDIA_API_KEY` / `AI_MEDIA_BASE_URL` | 统一 | 所有 Group 的统一回退 |
| `AI_MEDIA_IMAGE_MODEL` | — | 默认图片模型（`gpt-image-2`） |
| `AI_MEDIA_VIDEO_MODEL` | — | 默认视频模型（`grok-imagine-video`） |
| `AI_MEDIA_IMAGE_OUTPUT_DIR` / `AI_MEDIA_VIDEO_OUTPUT_DIR` | — |输出目录 |
| `AI_MEDIA_RETURN_MODE` | — | `path`（默认，零 base64）/ `inline` / `both` |
| `AI_MEDIA_AUTO_PROMPT` | — | `auto`（默认）/ `never` |
| `AI_MEDIA_TIMEOUT_MS` / `AI_MEDIA_POLL_INTERVAL_MS` | — | 超时与轮询间隔 |

##  路由

按模型名前缀进行：

| 模型前缀 | 分组 | API |
| --- | --- | --- |
| `gemini-*` / `imagen-*` | Gemini | 原生 `/v1beta/models/{model}:generateContent` |
| `grok-*` | Grok | OpenAI 兼容 |
| `video-ds*` / `as-sd*` | Jimeng | 基于任务的 `/videos` |
| 其他（`gpt-*`、`doubao-*`、Jimeng 图片） | GPT | OpenAI 兼容 |

##  Tools

| 工具 | 说明 |
| --- | --- |
| `generate_image` | 生成图片（可指定 `n`、`size/aspect_ratio/quality`，`image`/`images` 参考图，`auto_prompt`） |
| `generate_video` | 仅提交视频任务（自动路由 Grok/Jimeng；支持 `image` 与 `images`） |
| `get_video_status` | 查询视频任务状态 |
| `generate_video_and_ait` | 提交 → 轮询 → 下载至 `output_dir`（或默认配置目录），并返回文件路径 |
| `list_model_capabilities` | 查询模型能力（分变率 / 宽高比 / 时长等）；支持按 `size` 或比例反向查看 |
| `probe_capabilities` | 通过最小真实调用探测实际支持的分辨率 / 宽高比等，并缓存结果 |

## 📄 License

MIT