Grid Dynamics MCP

网格动态MCP服务器

一种MCP工具，用于分析图像构图结构和情绪，提出对齐策略，并综合增强的图像生成提示。实现了一个三层olog（本体日志）架构，用于确定性、语义连贯的分析。

建筑

该系统遵循三层olog模式：

第1层：域类型（类别结构）

• 结构分析：8个组成参数（边缘张力、不对称平衡、负空间、节奏、密度、尺度层次、对角线优势、遏制）
• MoodAnalysis：7个情绪维度（忧郁、亲密、紧张、静止、能量、温暖、不安）
• 种子解读：从可选种子文本中提取主题和意图
• 对齐建议：关系类型、注册表描述和检测到的冲突

所有类型都是具有确定性结构的数据类。

第2层：解释（确定性提取）

视觉模型通过两个并行函数分析图像：

1. 结构提取器：分析组成元素→ 生成8个数值参数（0-1标度）+自然语言摘要
2. 情绪提取器：分析情绪/感官品质→ 生成7维值+自然语言摘要
3. 种子解析器 （如有提供）：从文本中提取主题和意图
4. 对齐建议者：基于规则的推理，建议结构、情绪和种子如何表现性地相互作用

输出是具有人类可读摘要的确定性JSON。

第3层：合成（增强型即时生成）

单个LLM调用接收所有第2层输出和用户修改，生成具有组合感知的提示语言，以调和任何紧张关系。

MCP端点

extract

从图像中提取构图结构和意境。

Args：

• image_path （str）：图像文件的路径（\<10MB）
• seed_text （str，可选）：描述主题/意图的种子文本

退货：

{
  "structural_analysis": {
    "values": { "edge_tension": 0.7, ... },
    "summary": "Tight composition with strong edge presence"
  },
  "mood_analysis": {
    "dimensions": { "melancholy": 0.6, "intimacy": 0.7, ... },
    "summary": "Deeply intimate but melancholic atmosphere"
  },
  "seed_interpretation": {
    "subject": "children's birthday party",
    "intent": "celebration"
  },
  "proposed_alignment": {
    "relationship_type": "productive_tension",
    "register_description": "bittersweet celebration",
    "conflicts": ["melancholic mood contradicts celebratory intent"]
  },
  "editable": true
}

synthesize

根据修改后的参数合成增强提示。

Args：

• structural_values （dict）：修改结构分析（用户可以调整值）
• mood_values （dict）：改进的情绪分析（用户可以调整维度）
• alignment_override （str，可选）：覆盖寄存器描述
• seed_text （str，可选）：种子上下文
• target_length （str）：“简短”、“中等”或“详细”

退货：

{
  "enhanced_prompt": "Frame the birthday scene with tight, edge-crowding composition..."
}

analyze_and_synthesize

结合提取和合成的便利终点。

Args：

• image_path （str）：图像文件的路径
• seed_text （str，可选）：可选种子文本
• auto_approve （bool）：如果为真，则跳到合成；如果为false，则返回解释层
• target_length （str）：“简短”、“中等”或“详细”

退货：

• 如果 auto_approve=false：完整提取结果供用户查看
• 如果 auto_approve=true：最终增强_提示

示例流程

# Step 1: Extract
result = extract("birthday_photo.jpg", seed_text="children's birthday party")

# User reviews interpretation layer:
# - Structural: high edge_tension (0.8), compressed negative_space (0.7)
# - Mood: melancholy (0.6), intimacy (0.7), unease (0.4)
# - Alignment: "Conflict detected—melancholic mood tensions against celebratory intent"

# Step 2: User modifies (optional)
# Reduce melancholy to 0.3, approve "bittersweet celebration" register

# Step 3: Synthesize
prompt = synthesize(
    structural_values={
        "edge_tension": 0.8,
        "negative_space": 0.7,
        ...
    },
    mood_values={
        "melancholy": 0.3,  # User modified
        "intimacy": 0.7,
        ...
    },
    alignment_override="bittersweet celebration",
    seed_text="children's birthday party",
    target_length="detailed"
)

# Output: "Frame the birthday scene with tight, edge-crowding composition that 
# leaves no breathing room. Let the celebratory subject matter sit within 
# dramatic, intimate framing—the closeness should feel warm but the compression 
# hints at transience..."

安装

使用FastMCP云

1. 使用此模板创建GitHub存储库
2. 配置FastMCP云：

- 运行时python - 入口点: grid_dynamics_mcp.grid_dynamics_mcp:mcp - 包管理器：紫外线

1. 部署

本地开发

# Create virtual environment
python -m venv venv
source venv/bin/activate

# Install dependencies
pip install -e ".[dev]"

# Run tests
pytest test_grid_dynamics.py -v

# Run server locally
python grid_dynamics_mcp.py

Claude桌面集成

添加到 claude_desktop_config.json:

{
  "tools": {
    "grid-dynamics": {
      "command": "python",
      "args": ["-m", "fastmcp.cli", "grid_dynamics_mcp:mcp"],
      "env": {
        "ANTHROPIC_API_KEY": "your-key-here"
      }
    }
  }
}

测试

所有22项测试均通过：

pytest test_grid_dynamics.py -v

测试覆盖率

• 第1层（域类型）：7个测试验证数据类实例化和序列化
• 第2层（解释）：8个测试验证视觉模型集成和JSON解析
• 第3层（合成）：3次不同强度的快速生成测试
• 整合：对完整端点工作流进行4次测试

可组合性

输出的 extract 自然喂养 synthesize解释层（结构/情绪值）可以是：

1. 用户通过UI修改：滑块调整数值强度
2. 程序化修改：上游流程可以调整尺寸
3. 从其他工具注入：对齐首选项作为参数传递

这使得多颜色系统中的下游可组合性成为可能（例如，将网格动力学与游戏节目美学或香水领域相结合）。

关键设计决策

为什么是三层？

1. 第1层（域）：数学严谨性——分类结构防止循环依赖
2. 第2层（解释）：确定性提取——视觉模型分析，而非综合
3. 第3层（合成）：创造性的法学硕士整合——一次通话调和了所有紧张局势

这种分离允许：

• 每层独立测试
• 合成前第2层的用户审查/修改
• 在其他环境中重用解释层
• 通过交换图对组合相干性的数学证明

为什么选择这8个结构参数？

选择捕捉：

• 空间特征：边缘张力、遏制、负空间
• 分布：不对称平衡，规模层次结构
• 时间/动力学特性：节奏、密度、对角线优势

它们共同描述了构图的“视觉压力”。

为什么是这7个情绪维度？

涵盖感官范围：

• 情绪价：忧郁、温暖
• 关系的：亲密关系
• 动态的：能量、紧张、节奏
• 静止：停滞和存在

性能注意事项

• 图像分析：约2-3秒（克劳德视觉模型）
• JSON解析：\<100ms
• 对齐建议：约1秒
• 快速合成：约1秒

总提取时间：~4-5秒 全合成：约1秒

局限性

• 图像大小：\<10MB
• 格式：建议使用JPEG（支持PNG/WebP）
• 种子文本：优化为2-20个单词
• 情绪提取：确定性但依赖于克劳德（无微调）

将来的扩展

1. 分层组成：将Grid Dynamics与其他领域（游戏节目、香水、爵士乐）相结合
2. 迭代优化：通过提取物反馈输出，以逐步增强
3. 批量处理：分析图像系列以获得一致的构图方向
4. 可视化参数导出：根据分析生成ComfyUI/其他工作流集成

架构参考

• Ologs：David Spivak的本体日志框架
• 范畴理论：形态作为构图结构的保存
• 三层图案：域名→ 诠释→ 合成

看 grid_dynamics_mcp.py 了解实现细节和类型定义。

作者

达尔·马斯特斯

许可证

麻省理工学院