Azure OpenAI GPT-Image-1 MCP Server

一个基于Azure OpenAI gpt-image-1模型的Model Context Protocol (MCP) 服务器，使用官方MCP SDK的Streamable HTTP Transport实现，为AI助手提供强大的图像生成和编辑能力。

---

✨ 核心特性

• 🎨 图像生成: 基于文本提示生成高质量图像
• ✏️ 图像编辑: 编辑现有图像，支持掩码编辑和多图片参考
• 🌐 Streamable HTTP Transport: 使用官方MCP SDK的HTTP传输模式
• 🔍 MCP Inspector兼容: 支持官方MCP Inspector图形化界面测试
• 🐳 Docker就绪: 完整的Docker支持，针对中国大陆网络优化
• 🚀 高性能: 异步处理，支持并发请求
• 🛡️ 类型安全: 完整的类型提示和数据验证

🚀 gpt-image-1模型优势

gpt-image-1是OpenAI发布的最新图像生成模型（2025年），相比DALL-E 3具有显著改进：

• 更好的图像质量: 更精细的细节和更高的一致性
• 更强的提示理解: 更准确地理解复杂的文本描述
• 更快的生成速度: 优化的模型架构提供更快的响应
• 更多控制选项: 支持更多的生成参数和输出格式

---

🛠️ 快速开始

前置要求

• Python 3.8+
• Azure OpenAI 订阅和gpt-image-1模型部署
• Docker (可选，推荐用于生产环境)

安装与配置

# 克隆项目
git clone https://github.com/WW-AI-Lab/azure-gpt-image.git
cd azure-gpt-image

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/macOS

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp env.example .env
# 编辑 .env 文件，设置您的Azure OpenAI配置

启动服务

# Streamable HTTP Transport (推荐)
python -m azure_gpt_image --port 3000

# 或使用Docker
docker-compose up -d

---

🔧 使用方法

MCP工具调用

1. 图像生成 (GPT-Image-1)

{
  "name": "generate_image",
  "arguments": {
    "prompt": "A serene mountain landscape with a crystal clear lake, golden hour lighting",
    "size": "1024x1536",
    "quality": "high",
    "output_format": "JPEG"
  }
}

2. 图像编辑 (支持多图片参考)

{
  "name": "edit_image",
  "arguments": {
    "image_data": ["base64_image_1", "base64_image_2"],
    "prompt": "Combine these images into a cohesive landscape",
    "size": "1536x1024",
    "quality": "medium"
  }
}

集成示例

Claude Desktop集成

{
  "mcpServers": {
    "azure-gpt-image": {
      "command": "python",
      "args": ["-m", "azure_gpt_image", "--port", "3000"],
      "env": {
        "AZURE_OPENAI_ENDPOINT": "https://your-resource.openai.azure.com/",
        "AZURE_OPENAI_API_KEY": "your-api-key-here"
      }
    }
  }
}

MCP Inspector测试

1. 启动服务器：python -m azure_gpt_image --port 3000
2. 打开MCP Inspector并连接到：http://localhost:3000/mcp

---

🐳 Docker部署

快速启动

# 准备并编辑 .env 文件，设置您的Azure OpenAI配置
cp env.example .env

# 使用Docker Compose (推荐)
docker-compose up -d

# 或直接使用Docker
docker build -t azure-gpt-image .
docker run -d -p 3000:3000 --env-file .env azure-gpt-image

网络优化 (中国大陆)

Dockerfile已针对中国大陆网络环境优化：

• 使用华为云PyPI镜像源
• 优化构建缓存层级
• 支持健康检查和自动重启

详细部署说明请参考 docs/deployment.md

---

📚 文档

文档	说明
技术规范	详细的技术实现和API规范
开发计划	项目开发路线图和架构设计
部署指南	生产环境部署最佳实践

---

🧪 测试

# 运行所有测试
python -m pytest tests/ -v

# 运行特定测试
python -m pytest tests/test_mcp_server.py -v

# 运行集成测试
python -m pytest tests/test_integration.py -v

---

🔧 开发

项目结构

azure-gpt-image/
├── .cursor/rules/          # Cursor规则文件
├── src/azure_gpt_image/    # 核心代码
├── tests/                  # 测试文件
├── docs/                   # 文档
├── docker-compose.yml      # Docker编排
└── Dockerfile             # Docker镜像

环境变量

变量	说明	默认值
AZURE_OPENAI_ENDPOINT	Azure OpenAI端点	必填
AZURE_OPENAI_API_KEY	API密钥	必填
AZURE_OPENAI_DEPLOYMENT_NAME	部署名称	gpt-image-1
MCP_SERVER_PORT	服务器端口	3000

---

⚠️ 免责声明

本项目属于 WW-AI-Lab 实验性仓库

• 🧪 实验性质: 用于概念验证和技术探索
• 📚 学习目的: 仅供学习和研究使用
• 🚫 非生产就绪: 不保证生产环境可用性
• 🤝 欢迎贡献: Fork / Issue / PR 都非常欢迎

如需生产级解决方案，请联系 toxingwang@gmail.com 获得专业支持。

---

🤝 联系方式

渠道	地址	用途
📧 Email	toxingwang@gmail.com	合作 / 业务咨询
🐦 X (Twitter)	@WW_AI_Lab	最新动态、技术碎片
💬 微信	toxingwang	深度交流，添加请注明来源

---

📄 许可证

MIT License - 详见 LICENSE 文件

---

🌟 相关项目

• jinja2-mcp-server - Jinja2模板转换的MCP服务
• browser-use-playwright - AI驱动的浏览器自动化
• Dify-Batch - Dify Workflow批量执行系统

---

⭐ 如果这个项目对您有帮助，请给我们一个星星！