raymond9zhou/wanx-mcp4chatbot

通义万相 MCP 服务器， 规范返回base64图片

Forked from tongyi-wanx-mcp-server 在原项目基础上更改图片以base64格式返回，使智能助手的ui可以直接显示图片。

这是一个基于 TypeScript 的 Model Context Protocol (MCP) 服务器，专门提供阿里云通义万相的文生图(Text-to-Image)和文生视频(Text-to-Video)能力。该服务器通过 MCP 协议，允许大语言模型（LLM）直接调用通义万相的图像和视频生成 API。

功能特点

• 文生图能力集成：接入阿里云通义万相文生图 API，支持高质量的 AI 图像生成
• 文生视频能力集成：接入阿里云通义万相文生视频 API，支持高质量的 AI 视频生成
• 异步任务处理：支持长时间运行的图像和视频生成任务，通过异步轮询获取最终结果
• MCP 协议支持：符合 Model Context Protocol 规范，可与支持 MCP 的 LLM 无缝协作

环境要求

• Node.js >= 16.x
• npm >= 8.x 或 pnpm

如何使用

以百炼平台举例

{
  "mcpServers": {
    "tongyi-wanxiang": {
      "command": "npx",
      "args": [
        "-y",
        "tongyi-wanx-mcp-server@latest"
      ],
      "env": {
        "DASHSCOPE_API_KEY": "<你的通义万相 API 密钥>"
      }
    }
  }
}

如何开发

安装依赖

# 使用 npm
npm install

# 或使用 pnpm
pnpm install

构建与运行

# 构建项目
npm run build

# 运行服务器
npm start

# 使用MCP 官方inspector测试
npm run inspector



## 提供以下 MCP 工具：

### 1. 文生图生成（wanx-t2i-image-generation）

启动图像生成任务，返回任务 ID。

**参数**：
- `prompt`: 图像生成提示词
- `negative_prompt`: 负面提示词（不希望在图像中出现的元素）

**返回**：
- 包含 `task_id` 的任务信息

### 2. 获取生成结果（wanx-t2i-image-generation-result）

通过任务 ID 获取图像生成结果。

**参数**：
- `task_id`: 由文生图生成工具返回的任务 ID

**返回**：
- 图像生成结果，以base64编码的图片数据

### 3. 文生视频生成（wanx-t2v-video-generation）

启动视频生成任务，返回任务 ID。

**参数**：
- `prompt`: 视频生成提示词

**返回**：
- 包含 `task_id` 的任务信息

### 4. 获取视频生成结果（wanx-t2v-video-generation-result）

通过任务 ID 获取视频生成结果。

**参数**：
- `task_id`: 由文生视频生成工具返回的任务 ID

**返回**：
- 视频生成结果，包含视频 URL

## 项目结构

project/ ├── src/ # 源代码目录 │ ├── index.ts # 主入口文件，MCP 服务器定义 │ ├── wanx-t2i.js # 通义万相文生图 API 集成 │ ├── wanx-t2v.js # 通义万相文生视频 API 集成 │ └── config.ts # 配置文件 ├── dist/ # 编译后的代码目录 ├── package.json # 项目配置 ├── tsconfig.json # TypeScript 配置 └── README.md # 项目说明

## 通义万相 API 参数说明

### 文生图 API 支持的参数

- **model**: 模型名称，默认为 `wanx2.1-t2i-turbo`
- **size**: 图像尺寸，默认为 `1024*1024`
- **n**: 生成图像数量，默认为 1
- **seed**: 随机种子，用于复现结果
- **prompt_extend**: 是否启用提示词扩展，默认为 true
- **watermark**: 是否添加水印，默认为 false

## 高级配置

您可以在 `src/config.ts` 中修改以下配置：

- **pollingInterval**: 轮询任务状态的间隔时间（毫秒）
- **maxRetries**: 最大轮询次数
- **defaultModel**: 默认使用的模型

## 注意事项

1. 请确保您有有效的通义万相 API 访问权限和密钥
2. 图像生成是一个异步过程，可能需要数秒到数十秒不等
3. 视频生成过程耗时较长，可能需要数分钟到十几分钟不等
4. 视频生成状态查询可能会多次失败，系统会自动重试，请耐心等待
5. 请合理设置轮询间隔和最大重试次数，以适应您的使用场景
6. 对于视频生成任务，建议增加最大重试次数和轮询间隔时间

## 参考资料

- [通义万相 API 文档](https://help.aliyun.com/document_detail/2512439.html)
- [Model Context Protocol (MCP) 规范](https://github.com/llm-protocol/mcp-spec)