mood

mood

Enables AI to display its current mood as a locally generated ASCII face using Stable Diffusion, with a tool feel(emotion) that the AI can call to update the terminal display.

Category
Visit Server

README

mood

Gib deiner KI ein Gesicht. mood ist ein physisches Stimmungs-Display fürs Terminal: dein LLM zeigt seine aktuelle Stimmung als lebendiges, lokal mit Stable Diffusion generiertes ASCII-Gesicht — proaktiv, während ihr zusammenarbeitet.

<img src="docs/hero.png" width="560" alt="mood — focused, ready to dig into network config">

Unter der Haube: Eine Emotion (z.B. smiling) wird in einen Prompt eingesetzt, auf der GPU ein Bild generiert und als ASCII-Helligkeitsgradient im Terminal angezeigt. Per MCP ruft die KI das Tool feel(emotion) selbst auf, wann immer sich ihre Stimmung ändert — wie ein Mensch unwillkürlich das Gesicht verzieht.

Schnellstart

Voraussetzung: uv und eine GPU — NVIDIA (Linux, CUDA) oder Apple Silicon (macOS, MPS). Ohne GPU läuft es auf der CPU, aber sehr langsam. macOS-Details siehe unten.

./run.sh

Startet das Stimmungs-Display (Listener auf Port 8765) mit den Standard-Settings. Beim ersten Mal wird die Umgebung eingerichtet und das Modell von HuggingFace geladen (mit sichtbarem Fortschritt). Dann ist das Display bereit.

Damit deine KI es ansteuert, die MCP-Bridge in Claude Code registrieren (siehe MCP in Claude Code):

./install-mcp.sh

Ab jetzt zeigt die KI ihre Stimmung von selbst auf dem Display. feel(emotion) gibt im Chat nur "ok" zurück (das Bild geht aufs Display, nicht in die Konversation).

Selbst ausprobieren

echo "laughing" | nc 127.0.0.1 8765      # Emotion ans laufende Display schicken
./run.sh "a red sports car"              # einmaliges Bild (kein '::' -> One-Shot)

Weitere Stimmungen:

<img src="docs/demo.png" width="300" alt="relieved and laughing"> <img src="docs/demo2.png" width="300" alt="very happy">

Aussehen anpassen

Das Gesicht entsteht aus einem Prompt-Template mit :: als Platzhalter für die Emotion. Standard ist ein Vault-Boy-Stil (Fallout). Alles per Env überschreibbar (siehe .env.example, eine .env wird automatisch geladen):

Variable Default Wirkung
MOOD_PROMPT girl, :: face, retro poster style, … Prompt-Template (:: = Emotion)
MOOD_MODEL sd15 sdxl, sd15, flux, qwen
MOOD_LORA vaultboy LoRA-Kurzname / Pfad ('' = keine)
MOOD_RAMP ink ASCII-Rampe: ink, acid, blocks, minimal, …
MOOD_COLOR green mono, Akzent (green/amber/cyan/white) oder palette (echte Bildfarben, auf 8 klare ANSI-Farben reduziert)
MOOD_MODELS_ROOT lokale Modelle bevorzugen statt HF-Download

Volle Optionsliste: ./run.sh --help. CLI-Flags überschreiben Env überschreiben .env.

Mit --color palette werden statt eines Akzents echte Bildfarben gerendert (auf ein kleines, klares Set reduziert):

<img src="docs/palette.png" width="420" alt="--color palette — happy, solved the issue">

--color palette · „happy, solved the issue"

macOS / Apple Silicon

Läuft nativ auf M1/M2/M3 über Apples MPS-Backend — gleiche Codebasis wie Linux, kein CUDA und kein Docker nötig:

# uv installieren (falls noch nicht vorhanden):
curl -LsSf https://astral.sh/uv/install.sh | sh

./run.sh

uv sync zieht automatisch das passende torch (mit MPS) von PyPI — der CUDA-Index greift nur unter Linux. Die App erkennt das Gerät selbst (CUDA → MPS → CPU). Modelle landen im HuggingFace-Cache (~/.cache/huggingface).

  • Die erste Generierung lädt das Modell (mehrere GB); danach wenige Sekunden pro Bild (je nach Chip). MPS ist langsamer als eine dedizierte NVIDIA-GPU, aber gut nutzbar.
  • nc ist vorinstalliert; MCP-Bridge (./install-mcp.sh) funktioniert identisch.
  • Docker bringt auf dem Mac nichts: Container haben dort keinen Zugriff auf die Apple-GPU (Metal/MPS) — nur CPU, also viel zu langsam. Auf dem Mac immer ./run.sh nativ nutzen. Das Docker-Setup unten ist ausschließlich für Linux + NVIDIA.

MCP in Claude Code

./install-mcp.sh

Registriert die Bridge (Tool feel) mit den richtigen Pfaden — funktioniert auf Linux und macOS. Danach Claude Code neu starten und ./run.sh laufen lassen.

Per Docker

Braucht NVIDIA-Treiber + nvidia-container-toolkit. Modelle landen auf dem Host in ./models und bleiben erhalten.

docker compose build
docker compose up                         # Display/Listener auf :8765
docker compose run --rm mood "a cat"      # einmaliges Bild

Modi

  • Display/Listener (Default, Prompt mit ::): hält die Pipeline, jede gesendete Emotion wird gerendert. CTRL-C beendet.
  • One-Shot (Prompt ohne ::): ein Bild, dann Ende.
  • MCP-Bridge (-m): leitet feel(emotion) an den Listener weiter; lädt selbst kein Modell → nur eine Pipeline im VRAM.

* flux/qwen sind experimentell (große/gated Repos).

Lizenz

MIT — siehe LICENSE.

Recommended Servers

playwright-mcp

playwright-mcp

A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.

Official
Featured
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.

Official
Featured
Local
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

Official
Featured
Local
TypeScript
VeyraX MCP

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official
Featured
Local
graphlit-mcp-server

graphlit-mcp-server

The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.

Official
Featured
TypeScript
Kagi MCP Server

Kagi MCP Server

An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

Official
Featured
Python
E2B

E2B

Using MCP to run code via e2b.

Official
Featured
Neon Database

Neon Database

MCP server for interacting with Neon Management API and databases

Official
Featured
Exa Search

Exa Search

A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.

Official
Featured
Qdrant Server

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official
Featured