MCP Server Doubao

豆包 (Doubao) MCP Server

基于 Model Context Protocol (MCP) 的豆包AI模型服务器，支持图片生成和视频生成功能。

](https://www.npmjs.com/package/@tonychaos/mcp-server-doubao) 

✨ 功能特性

🎨 图片生成 (Doubao Seedream)

支持的模型

💡 注意: 服务器支持任意有效的豆包模型ID，包括未来发布的新模型。只需在请求时指定 model 参数即可。

核心能力

• ✅ 文生图 - 纯文本提示生成图片
• ✅ 单图生图 - 一张参考图 + 文本提示 → 生成新图片
• ✅ 多图融合 - 多张参考图(2-14张) + 文本提示 → 融合生成
• ✅ 组图功能 - 生成一组内容关联的图片(最多15张)
• ✅ 4K超高清 - 最高 4096x4096 分辨率
• ✅ 自定义尺寸 - 支持自定义像素值，如 2560x1440 (16:9)
• ✅ Base64返回 - 支持返回 Base64 编码的图片数据
• ✅ 图片下载 - 支持下载图片到本地指定路径
• ✅ 提示词优化 - 自动优化提示词以提升生成质量
• ✅ 水印控制 - 可选择是否添加水印
• ✅ 流式输出 - 实时返回生成进度(4.5/4.0/5.0)
• 🔥 网络搜索 - 获取实时信息生成内容(5.0)
• 🔥 深度推理 - 更智能的理解和生成能力(5.0)

图片要求

• 格式: jpeg, png, webp, bmp, tiff, gif
• 大小: 最大 10MB
• 分辨率: 总像素 ≤ 36,000,000 (6000x6000)
• 宽高比: [1/16, 16] (4.5/4.0), [1/3, 3] (3.0)

🎬 视频生成 (Doubao Seedance)

支持的任务类型

• ✅ 文生视频 - 从文本提示生成视频
• ✅ 首帧图生视频 - 从首帧图片和文本生成视频
• ✅ 首尾帧图生视频 - 从首尾帧图片和文本生成视频
• ✅ 图生视频(带遮罩) - 从图片、遮罩和文本生成视频

核心能力

• ✅ 音画同步 - 自动生成与画面匹配的音频
• ✅ 异步处理 - 支持任务创建和状态查询
• ✅ 任务列表 - 批量查询任务状态
• ✅ 任务取消 - 取消正在进行的任务
• ✅ 多种分辨率 - 720p, 1080p, 1440p

📦 安装

npm 全局安装

npm install -g @tonychaos/mcp-server-doubao

npx 直接运行（无需安装）

npx @tonychaos/mcp-server-doubao

⚙️ 配置

1. 获取 API Key

1. 访问 火山方舟控制台
2. 登录账号
3. 进入「API Key 管理」创建 API Key

2. 配置 Claude Desktop

在 Claude Desktop 的配置文件中添加：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "doubao": {
      "command": "npx",
      "args": ["-y", "@tonychaos/mcp-server-doubao"],
      "env": {
        "ARK_API_KEY": "your_api_key_here"
      }
    }
  }
}

3. 重启 Claude Desktop

配置完成后，重启 Claude Desktop 以加载 MCP 服务器。

🚀 使用方法

图片生成示例

文生图 (2K 高清)

请使用豆包生成一张 2K 图片：一只在花园里玩耍的橘猫，阳光明媚

文生图 (4K 超高清)

请使用豆包生成一张 4K 图片：未来城市夜景，赛博朋克风格，霓虹灯光

文生图 (自定义宽高比)

请使用豆包生成一张 21:9 的图片：壮丽的山川风景，全景视野

组图生成

请使用豆包生成一组图片（4张）：春夏秋冬四季的森林景色

单图生图

请基于这张图片生成一张新图：https://example.com/cat.jpg
让图片中的猫咪戴上一顶红色的帽子，保持其他元素不变

多图融合

请基于这两张图片生成一张新图：
图片1: https://example.com/style.jpg
图片2: https://example.com/content.jpg
将图片1的艺术风格应用到图片2的内容上

无水印高清图

请生成一张无水印的图片：一只金毛犬在海滩上奔跑

图片下载

请下载这张图片并保存到 ./downloads/cat.jpg: https://example.com/cat.jpg

视频生成示例

文生视频

请使用豆包生成一个视频：无人机以极快速度穿越复杂障碍，带来沉浸式飞行体验

首帧图生视频

请基于这张图片生成一个视频：https://example.com/frame.jpg
让画面中的风景逐渐变得明亮，阳光从云层中射出

首尾帧图生视频

请基于这两张图片生成一个视频：
首帧: https://example.com/start.jpg
尾帧: https://example.com/end.jpg
描述: 平滑的日转夜过渡效果

查询视频任务状态

请查询视频任务 task_id_xxx 的状态

查询所有视频任务

请查询最近创建的所有视频任务

🔧 开发

环境要求

• Node.js >= 18.0.0
• npm 或 yarn

构建项目

# 安装依赖
npm install

# 构建项目
npm run build

# 本地运行
ARK_API_KEY=your_api_key_here npm start

开发模式

# 监听文件变化自动构建
npm run watch

# 构建并运行
npm run dev

运行测试

# 图片生成测试
npx tsx test-image.ts

# 完整功能测试
npx tsx test-image-complete.ts

# 视频生成测试
npx tsx test-video.ts

📚 API 参考

图片生成 API

端点: https://ark.cn-beijing.volces.com/api/v3/images/generations

支持模型:

• doubao-seedream-5-0-260128 (推荐，最新)
• doubao-seedream-4-5-251128 (4K超高清，流式输出)
• doubao-seedream-4-0-250428 (4K超高清)
• doubao-seedream-3-0-t2i (文生图)
• doubao-seededit-3-0-i2i (图生图)

💡 提示: 服务器支持任意有效的模型ID，无需等待代码更新即可使用未来发布的新模型。

价格参考:

• 2K 图片: ~0.25元/张
• 4K 图片: ~0.5元/张

官方文档: 图片生成 API

视频生成 API

创建任务: POST https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks

查询任务: GET https://ark.cn-beijing.volces.com/api/v3/contents/generations/tasks/{id}

支持模型:

• doubao-seedance-1-5-pro-251215 (推荐)
• doubao-seedance-1-5 (经济版)

价格参考:

• 1.5-pro (有声): ~16元/百万tokens
• 1.5 (有声): ~4元/百万tokens

官方文档: 视频生成 API

📁 项目结构

mcp-server-doubao/
├── src/
│   ├── index.ts              # 主入口文件
│   ├── server.ts             # MCP 服务器配置
│   ├── tools/                # MCP 工具实现
│   │   ├── image-generation.ts   # 图片生成工具
│   │   └── video-generation.ts   # 视频生成工具
│   ├── api/                  # API 客户端
│   │   ├── client.ts             # 基础 API 客户端
│   │   ├── image-api.ts          # 图片生成 API
│   │   └── video-api.ts          # 视频生成 API
│   ├── types/                # TypeScript 类型定义
│   │   ├── index.ts
│   │   ├── image.ts              # 图片相关类型
│   │   └── video.ts              # 视频相关类型
│   └── utils/                # 工具函数
├── dist/                     # 编译输出目录
├── test-*.ts                 # 测试文件
├── package.json
├── tsconfig.json
└── README.md

🎯 工具和参数说明

图片生成工具

generate_image (文生图/组图)

主要参数:

• prompt (必选): 文本提示词
• model: 模型选择，默认 "doubao-seedream-5-0-260128"
• size: 图片尺寸 ("2K", "4K", "WIDTHxHEIGHT", "adaptive")
• sequential_image_generation: 组图模式 ("auto", "disabled")
• max_images: 最大生成图片数 [1-15]
• response_format: 返回格式 ("url", "b64_json")
• watermark: 是否添加水印 (默认 true)

image_to_image (图生图/多图融合)

主要参数:

• prompt (必选): 文本提示词
• imageUrl: 单张参考图 URL
• imageUrls: 多张参考图 URL 数组 [2-14]
• model: 模型选择
• size: 图片尺寸
• sequential_image_generation: 组图模式

download_image (图片下载)

主要参数:

• url (必选): 图片 URL（通常由 generate_image 返回）
• filePath (必选): 本地保存路径（如 /path/to/image.png 或 ./downloads/image.jpg）

功能说明:

• 自动携带认证头下载图片
• 自动创建目标目录（如果不存在）
• 返回保存的绝对路径、文件大小和内容类型

视频生成工具

generate_video (创建视频任务)

主要参数:

• prompt (必选): 文本提示词
• task_type: 任务类型 ("text_to_video", "image_to_video", "frames_to_video")
• image_url: 首帧图片 URL
• end_image_url: 尾帧图片 URL
• mask_url: 遮罩图片 URL
• resolution: 分辨率 ("720p", "1080p", "1440p")
• duration: 视频时长 [3-10秒]

query_video_task (查询视频任务)

主要参数:

• task_id (必选): 任务 ID

📝 更新日志

v1.3.0 (2026-03-15)

• ✨ 支持 Seedream 5.0 模型

- 新增 doubao-seedream-5-0-260128 模型支持 - 支持深度推理和网络搜索功能 - 默认使用最新 5.0 模型

• 🎯 开放模型选择机制

- 支持任意有效的豆包模型ID - 未来发布的新模型无需代码更新即可使用 - 工具描述中列出已知模型供参考

• 📝 更新文档

- 更新模型列表和特性说明 - 添加模型使用建议

v1.2.0 (2026-01-17)

• ✨ 新增图片下载功能

- 支持下载图片到本地指定路径 - 自动携带认证头 - 自动创建目标目录 - 返回保存路径、文件大小和内容类型

• 🐛 修复 MCP 工具参数描述无法显示的问题

- 将 Zod schema 转换为 JSON Schema - 确保 MCP 客户端正确解析工具参数信息

v1.1.0 (2025-01-11)

• ✨ 新增完整的图片生成功能支持

- 支持 4 个模型 (4.5, 4.0, 3.0-t2i, 3.0-i2i) - 文生图、单图生图、多图融合(2-14张) - 组图功能，最多生成 15 张关联图片 - 4K 超高清输出 - 自定义像素值尺寸 - Base64 返回格式 - 提示词优化 - 水印控制 - 流式输出支持

• ✨ 新增完整的视频生成功能支持

- 支持 2 个模型 (1.5-pro, 1.5) - 4 种任务类型 - 任务状态查询 - 任务列表查询 - 任务取消功能

• 📝 完善的工具参数说明和使用示例
• 🧪 添加完整的测试用例

v1.0.0 (2025-01-10)

• 🎉 初始版本发布
• ✅ 基础图片生成功能
• ✅ 基础视频生成功能

📄 许可证

MIT

🔗 相关链接

• 豆包 AI 官网
• 火山方舟文档
• Model Context Protocol
• MCP SDK 文档

💬 支持

如有问题或建议，请提交 Issue。

🙏 致谢

感谢 Anthropic 开发的 Model Context Protocol 框架。