簡介
Model Context Protocol (MCP) 是一種允許語言模型（如 Claude）與外部工具和資源互動的通訊協定。本指南將說明如何建立一個簡單的圖片生成伺服器，透過 Replicate API 實現圖像生成功能。
這個方案結合了 Claude Desktop 的強大語言能力與 Replicate 平台的多樣化圖像模型，讓您能夠直接在 Claude 環境中完成從提示詞生成到圖片創作的完整流程。透過自建的 MCP 中介伺服器，Claude 不僅能產生精確的圖像描述提示詞，還能直接呼叫外部 API 並生成圖片。
主要內容概覽：
整合 Claude 與圖像生成技術：利用 Claude 的文字處理能力產生精確的圖像描述提示詞
自建 MCP 伺服器：設計專屬中介伺服器，連接 Claude Desktop 與 Replicate API
Replicate API 應用：使用 Replicate 平台提供的多種圖像生成模型
使用範例
工作流程圖
為什麼要使用 Replicate API
在當今快速發展的 AI 領域中，各種生成式 AI 模型如雨後春筍般出現，要一一註冊使用各家平台不僅繁瑣，還需要分別儲值和管理多個帳號。Replicate 正是為解決這個問題而誕生的整合平台，讓你能夠通過單一入口點存取多種頂尖 AI 模型，特別是在生成圖像方面有豐富的選擇。
註冊及獲取 API 金鑰的簡易步驟
註冊帳號：前往 Replicate 官網創建帳號
獲取 API 金鑰：登入後前往個人設定頁面獲取 API 金鑰
儲值帳戶：根據需求添加信用卡並儲值
開始使用：通過網頁界面或 API 開始使用各種模型
列舉幾個模型的價格
| 模型 | 美元價格/一張圖 | 新台幣價格/一張圖 |
| black-forest-labs/flux-schnell | 0.003 | 0.1 |
| recraft-ai/recraft-20b | 0.022 | 0.7 |
| black-forest-labs/flux-dev | 0.025 | 0.8 |
| google/imagen-3-fast | 0.025 | 0.8 |
| stability-ai/stable-diffusion-3 | 0.035 | 1.11 |
| black-forest-labs/flux-1.1-pro | 0.04 | 1.27 |
| ideogram-ai/ideogram-v2a | 0.04 | 1.27 |
| recraft-ai/recraft-v3 | 0.04 | 1.27 |
| stability-ai/stable-diffusion-3.5-large-turbo | 0.04 | 1.27 |
自行開發文生圖 Server 系統需求
Python 3.10 或更高版本
Python MCP SDK 1.2.0 或更高版本
環境設定
步驟 1：安裝 uv 工具
Windows
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
MacOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
請重新啟動終端機以確保 uv 命令可被識別。
步驟 2：建立專案結構
Windows
# 建立新專案目錄
uv init genimage
cd genimage
# 建立虛擬環境並啟用
uv venv
.venv\Scripts\activate
# 安裝依賴套件
uv add mcp[cli] replicate Pillow requests
# 建立.env
new-item .env
# 在檔案中添加您的API金鑰
REPLICATE_API_TOKEN=your_api_key_here
# 建立.gitignore檔案
new-item .gitignore
# 在.gitignore檔案中添加.env，避免金鑰誤上傳 GitHub
Set-Content -Path .gitignore -Value ".env"
# 建立伺服器檔案
new-item genimage.py
MacOS/Linux
# 建立新專案目錄
uv init genimage
cd genimage
# 建立虛擬環境並啟用
uv venv
source .venv/bin/activate
# 安裝依賴套件
uv add "mcp[cli]" replicate Pillow requests
# 建立.env
touch .env
# 在檔案中添加您的API金鑰
REPLICATE_API_TOKEN=your_api_key_here
# 建立.gitignore檔案
touch .gitignore
# 在.gitignore檔案中添加.env，避免金鑰誤上傳 GitHub
echo ".env" > .gitignore
# 建立伺服器檔案
touch genimage.py
建立你的伺服器
步驟 1：導入套件並設定實例
import replicate # 導入 Replicate API 客戶端
import os # 導入操作系統相關功能模組
import datetime # 導入日期時間處理模組
import requests # 導入 HTTP 請求模組
from typing import List # 導入型別提示中的列表類型
from mcp.server.fastmcp import FastMCP # 導入 FastMCP 伺服器框架
from dotenv import load_dotenv # 導入環境變數載入工具
# 載入環境變數並初始化 FastMCP 伺服器
load_dotenv() # 從 .env 檔案載入環境變數
mcp = FastMCP("genimage") # 建立一個名為 "genimage" 的 FastMCP 伺服器實例
# 常數
MODEL_ID = "black-forest-labs/flux-schnell" # 設定使用的 AI 模型 ID
DOWNLOAD_PATH = os.path.expanduser("~/Downloads") # 設定下載路徑為使用者的下載資料夾
步驟 2：實現工具執行功能
@mcp.tool() # 將函數註冊為 MCP 工具
def generate_image(
prompt: str, # 圖像生成提示詞
filename: str = None, # 可選的檔案名稱
seed: int = None, # 可選的隨機種子
go_fast: bool = False, # 是否使用快速模式
megapixels: str = "1", # 輸出圖像的百萬像素數
num_outputs: int = 1, # 要生成的圖像數量
aspect_ratio: str = "1:1", # 圖像寬高比
output_format: str = "webp", # 輸出格式，預設為 webp
output_quality: int = 100, # 輸出圖像品質
num_inference_steps: int = 4, # 推理步驟數
disable_safety_checker: bool = False # 是否停用安全檢查
) -> List[str]: # 函數返回字串列表
"""生成最高品質的圖像並保存到下載資料夾。"""
# 檢查 API token 和提示詞
api_token = os.environ.get("REPLICATE_API_TOKEN") # 從環境變數獲取 API 令牌
if not api_token: # 如果沒有設定 API 令牌
return ["錯誤: 未設置 REPLICATE_API_TOKEN 環境變數"] # 返回錯誤訊息
if not prompt or not prompt.strip(): # 如果提示詞為空或只包含空白
return ["錯誤: 提示詞不能為空"] # 返回錯誤訊息
# 設定檔案名稱
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S") # 生成時間戳記
# 確保檔名具有正確的副檔名
if not filename: # 如果沒有提供檔名
# 沒有提供檔名時使用預設檔名加時間戳記
filename = f"generated_image_{timestamp}.{output_format}" # 使用預設檔名格式
else: # 如果提供了檔名
# 清理檔名，確保它是有效的且沒有副檔名
base_filename = os.path.splitext(filename)[0] # 獲取不含副檔名的檔名
# 添加時間戳記和正確的副檔名
filename = f"{base_filename}_{timestamp}.{output_format}" # 組合最終檔名
try: # 嘗試執行以下代碼
# 準備模型輸入參數
input_data = { # 建立輸入參數字典
"prompt": prompt, # 提示詞
"go_fast": go_fast, # 快速模式設定
"megapixels": megapixels, # 百萬像素設定
"num_outputs": num_outputs, # 輸出數量
"aspect_ratio": aspect_ratio, # 寬高比
"output_format": output_format, # 輸出格式
"output_quality": output_quality, # 輸出品質
"num_inference_steps": num_inference_steps, # 推理步驟數
"disable_safety_checker": disable_safety_checker # 安全檢查設定
}
if seed is not None: # 如果提供了隨機種子
input_data["seed"] = seed # 將種子添加到輸入參數中
# 呼叫 Replicate API
output = replicate.Client(api_token=api_token).run(MODEL_ID, input=input_data) # 執行模型並獲取輸出
if not output or not isinstance(output, list): # 如果輸出為空或不是列表
return ["錯誤: 模型未返回有效的圖片 URL"] # 返回錯誤訊息
# 保存所有生成的圖片
os.makedirs(DOWNLOAD_PATH, exist_ok=True) # 確保下載資料夾存在
saved_paths = [] # 初始化保存路徑列表
image_urls = [] # 初始化圖片 URL 列表
for idx, image_url in enumerate(output): # 遍歷所有輸出的圖片 URL
# 處理檔名
current_filename = filename # 預設使用之前定義的檔名
if num_outputs > 1: # 如果產生多張圖片
name, ext = os.path.splitext(filename) # 分離檔名和副檔名
current_filename = f"{name}_{idx+1}{ext}" # 為每張圖片添加序號
file_path = os.path.join(DOWNLOAD_PATH, current_filename) # 組合完整檔案路徑
# 下載並保存圖片
response = requests.get(image_url, timeout=60) # 下載圖片，設定超時為 60 秒
response.raise_for_status() # 檢查下載是否成功
with open(file_path, 'wb') as f: # 以二進制寫入模式開啟檔案
f.write(response.content) # 寫入圖片內容
saved_paths.append(file_path) # 將保存路徑添加到列表
image_urls.append(image_url) # 將圖片 URL 添加到列表
# 返回成功資訊，包含完整路徑和圖片 URL
result_message = f"已保存 {len(saved_paths)} 張高品質圖片至: {saved_paths[0]}" # 格式化成功訊息
return [result_message] + image_urls # 返回成功訊息和圖片 URL 列表
except Exception as e: # 捕獲任何異常
return [f"發生錯誤: {e}"] # 返回錯誤訊息
步驟 3：運行伺服器
if __name__ == "__main__": # 如果直接執行此檔案
mcp.run(transport='stdio') # 使用標準輸入輸出作為傳輸方式啟動 MCP 伺服器
運行 uv run genimage.py 以確認一切正常運作。
使用方式
要在 Claude Desktop 中使用這個工具，你需要在設定中添加以下配置：
Windows
設定檔通常位於以下路徑：
C:\Users\[使用者名稱]\AppData\Roaming\Claude\claude_desktop_config.json
MacOS/Linux
設定檔通常位於以下路徑：
~/Library/Application Support/Claude/claude_desktop_config.json
設定方法
Windows
{
"mcpServers": {
"weather": {
"command": "uv",
"args": [
"--directory",
"C:\\[專案路徑]\\genimage",
"run",
"genimage.py"
]
}
}
}
MacOS/Linux
{
"mcpServers": {
"weather": {
"command": "uv",
"args": [
"--directory",
"/[專案路徑]/genimage",
"run",
"genimage.py"
]
}
}
}
重啟 Claude Desktop
設定成功會出現以下內容
故障排除
從 Claude for Desktop 獲取日誌
mcp.log 包含關於 MCP 連接和連接失敗的一般日誌
mcp-server-SERVERNAME.log 包含來自命名伺服器的錯誤（stderr）日誌
Windows
通常位於以下路徑：
C:\Users\[使用者名稱]\AppData\Roaming\Claude\logs\
MacOS/Linux
通常位於以下路徑：
~/Library/Logs/Claude