图片处理 MCP 服务器
一个基于 Model Context Protocol (MCP) 的专业图片处理服务器，提供全面的图片处理功能。
🎯 功能特性
基础操作 (4个工具)
- 图片加载和保存
- 格式转换 (JPEG, PNG, WebP, BMP, TIFF)
- 图片信息获取
几何变换 (4个工具)
- 尺寸调整 (支持保持宽高比)
- 图片裁剪
- 旋转变换
- 翻转操作 (水平/垂直)
色彩调整 (7个工具)
- 亮度调整
- 对比度调整
- 饱和度调整
- 锐度调整
- 灰度转换
- 伽马校正
- 不透明度调整
滤镜效果 (10个工具)
- 模糊效果 (普通模糊、高斯模糊)
- 锐化效果
- 边缘增强
- 浮雕效果
- 边缘检测
- 平滑效果
- 轮廓效果
- 复古棕褐色
- 反色效果
🆕 特效处理 (6个工具)
- 添加边框 (多种样式)
- 创建剪影效果
- 添加阴影效果
- 添加水印 (图片/文字)
- 添加暗角效果
- 创建宝丽来效果
🆕 高级功能 (6个工具)
- 批量图片处理
- 创建图片拼贴
- 创建缩略图网格
- 图片混合合成
- 提取主要颜色
- 创建GIF动画
🆕 性能监控 (2个工具)
📊 项目统计
- 总工具数: 39个
- 测试覆盖: 95%+
- 支持格式: JPEG, PNG, WebP, BMP, TIFF, GIF
🎯 使用示例
基础图片处理
{
"tool": "resize_image",
"arguments": {
"image_source": "data:image/png;base64,...",
"width": 800,
"height": 600,
"maintain_aspect_ratio": true
}
}
特效处理
{
"tool": "add_watermark",
"arguments": {
"image_source": "data:image/png;base64,...",
"watermark_source": "data:image/png;base64,...",
"position": "bottom_right",
"opacity": 0.7
}
}
批量处理
{
"tool": "batch_resize",
"arguments": {
"image_sources": ["data:image/png;base64,...", "..."],
"width": 200,
"height": 200,
"maintain_aspect_ratio": true
}
}
创建GIF动画
{
"tool": "create_gif",
"arguments": {
"image_sources": ["data:image/png;base64,...", "..."],
"duration": 500,
"loop": true,
"optimize": true
}
}
环境要求
- Python 3.11+
- uv (现代 Python 包管理器)
- 支持的操作系统: Windows, macOS, Linux
🚀 快速开始
1. 安装 uv
Windows (PowerShell):
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"
macOS/Linux:
curl -LsSf https://astral.sh/uv/install.sh | sh
2. 安装项目依赖
# 克隆或下载项目
cd ps-mcp
# 安装依赖（会自动创建虚拟环境）
uv sync
# Windows 用户也可以直接运行
install.bat
3. 运行服务器
# 方式1: 使用 uv 直接运行
uv run python main.py
# 方式2: Windows 用户可以直接运行
run.bat
# 方式3: 激活环境后运行
uv shell
python main.py
4. 配置MCP客户端
支持的客户端：
- 🍒 Cherry Studio - 复制
examples/cherry_studio_config.json 内容 - 🖱️ Cursor - 复制
examples/cursor_config.json 内容 - 🔧 Cline - 复制
examples/cline_settings.json 内容 - 💬 Claude Desktop - 复制
examples/claude_desktop_config.json 内容 - 💡 注意: 替换路径为实际项目路径
测试连接
在MCP客户端中尝试：
5. 使用示例
服务器启动后，可以通过MCP协议调用各种图片处理功能：
# 示例：调整图片大小
{
"tool": "resize_image",
"arguments": {
"image_data": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...",
"width": 800,
"height": 600,
"keep_aspect_ratio": true
}
}
# 示例：应用高斯模糊
{
"tool": "gaussian_blur",
"arguments": {
"image_data": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...",
"radius": 5.0
}
}
项目结构
image-mcp-server/
├── main.py # MCP服务器入口
├── tools/ # 工具模块
│ ├── __init__.py
│ ├── basic_ops.py # 基础操作
│ ├── transform.py # 几何变换
│ ├── color_adjust.py # 色彩调整
│ ├── filters.py # 滤镜效果
│ └── effects.py # 特效处理
├── utils/ # 辅助工具
│ ├── __init__.py
│ ├── image_utils.py # 图片工具函数
│ └── validation.py # 参数验证
│ └── image_processor.py # 图片处理类
├── tests/ # 测试文件
├── environment.yml # conda环境配置
├── requirements.txt # pip依赖
└── README.md # 项目文档
支持的功能
基础操作
load_image: 加载图片（支持文件路径和base64）save_image: 保存图片到文件get_image_info: 获取图片信息convert_format: 转换图片格式
几何变换
resize_image: 调整图片大小crop_image: 裁剪图片rotate_image: 旋转图片flip_image: 翻转图片
色彩调整
adjust_brightness: 调整亮度adjust_contrast: 调整对比度adjust_saturation: 调整饱和度adjust_sharpness: 调整锐度convert_to_grayscale: 转换为灰度图adjust_gamma: 调整伽马值adjust_opacity: 调整不透明度
滤镜效果
gaussian_blur: 高斯模糊sharpen_image: 锐化edge_detection: 边缘检测
特效处理
add_border: 添加描边create_silhouette: 创建剪影add_shadow: 添加阴影
开发指南
运行测试
# 运行所有测试
python -m pytest tests/
# 运行特定测试文件
python -m pytest tests/test_image_processor.py
功能测试
运行功能测试：
uv run python tests\test_call_mcp.py
或者使用批处理文件（Windows）：
测试将使用 tests/test_image.png 作为测试图片，验证所有图片处理功能是否正常工作。
技术架构
- MCP协议: 基于Model Context Protocol的服务器实现
- 图片处理: 使用Pillow和OpenCV进行图片处理
- 异步支持: 基于asyncio的异步处理
- 模块化设计: 按功能分类的模块化架构
- 参数验证: 完善的输入参数验证机制
限制说明
- 最大图片尺寸: 4096x4096像素
- 支持格式: JPEG, PNG, BMP, TIFF, WEBP
- 内存使用: 建议可用内存至少2GB
贡献指南
- Fork 项目
- 创建功能分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
许可证
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
更新日志
v1.0.0 (开发中)
- 初始版本
- 基础图片处理功能
- MCP服务器框架
- 完整的测试套件
支持
如果您遇到问题或有建议，请：
- 查看 Issues 页面
- 创建新的 Issue
注意: 本项目目前处于开发阶段，部分功能可能尚未完全实现。