Multimodal MCP

多模式mcp

多提供商媒体生成MCP服务器。通过一个统一的界面，使用OpenAI、xAI、Gemini、ElevenLabs和BFL（FLUX）从文本提示生成图像、视频、音频和转录。

特性

• 🎨 图像生成 --通过OpenAI（gpt-image 1）、xAI（grok-imagine image）、Gemini（imagen-4）或BFL（FLUX Pro 1.1）生成图像
• ✏️ 图像编辑 --通过OpenAI、xAI、Gemini或BFL（FLUX Kontext）编辑图像
• 🎬 视频生成 --通过OpenAI（sora-2）、xAI（grok-imagine video）或Gemini（veo-3.1）生成视频
• 🔊 音频生成 --通过OpenAI（tts-1）、Gemini或ElevenLabs（Flash v2.5）实现文本转语音。ElevenLabs提供的音效
• 🎙️ 音频转录 --通过OpenAI（Whisper）或ElevenLabs（Scribe）进行语音转文本
• 🔄 自动发现 --从环境变量中自动检测已配置的提供程序
• 🎯 提供者选择 --根据请求自动选择或明确选择提供者
• 📁 文件输出 --使用描述性文件名将所有生成的媒体保存到磁盘

快速开始

至少为一个提供程序设置API密钥。大多数用户只需要一个——添加更多以访问其他提供商。

# Using OpenAI
claude mcp add multimodal-mcp -e OPENAI_API_KEY=sk-... -- npx -y @r16t/multimodal-mcp@latest

# Or using xAI
# claude mcp add multimodal-mcp -e XAI_API_KEY=xai-... -- npx -y @r16t/multimodal-mcp@latest

# Or using Gemini
# claude mcp add multimodal-mcp -e GEMINI_API_KEY=AIza... -- npx -y @r16t/multimodal-mcp@latest

# Or using ElevenLabs (audio + transcription)
# claude mcp add multimodal-mcp -e ELEVENLABS_API_KEY=xi-... -- npx -y @r16t/multimodal-mcp@latest

# Or using BFL/FLUX (images)
# claude mcp add multimodal-mcp -e BFL_API_KEY=... -- npx -y @r16t/multimodal-mcp@latest

使用不同的编辑器？看 安装说明 适用于Claude Desktop、Cursor、VS Code、Windsurf和Cline。

环境变量

可用工具

generate_image

从文本提示生成图像。

generate_video

从文本提示生成视频。视频生成是异步的，可能需要几分钟的时间。

generate_audio

从文本生成音频。支持文本到语音和声音效果。音频生成是同步的。

transcribe_audio

将音频转录为文本（语音转文本）。

list_providers

列出所有已配置的媒体生成提供程序及其功能。不接受任何参数。

供应商能力

图像纵横比

视频纵横比和分辨率

音频格式

故障排除

未配置提供程序

[config] No provider API keys detected

至少设置以下之一 OPENAI_API_KEY, XAI_API_KEY, GEMINI_API_KEY, ELEVENLABS_API_KEY，或 BFL_API_KEY 在MCP服务器的 env 块。

提供程序不适用于请求的媒体类型

每个提供商支持不同的媒体类型（请参阅 供应商能力).如果您指定 provider 未配置（没有API密钥）或不支持请求的媒体类型，您将收到一个错误。省略 provider 参数，用于从配置的提供程序中自动选择。

视频生成超时

视频生成民意调查长达10分钟。如果您的视频未在该窗口中完成，则请求将失败并出现超时错误。试试更短的 duration 或更简单的 prompt.

xAI图像生成未返回任何数据

这表示xAI API返回了一个空响应。检查你的 XAI_API_KEY 是有效的，并且您的提示没有违反xAI内容策略。

Gemini图像/视频生成失败：403

验证您的 GEMINI_API_KEY 在Google云控制台中启用了生成语言API。

发展

npm run build      # Compile TypeScript to build/
npm test           # Run tests with Vitest
npm run lint       # Lint and auto-fix with ESLint
npm run typecheck  # Type-check without emitting
npm run dev        # Watch mode for TypeScript compilation

编辑器设置

替换 OPENAI_API_KEY 与您选择的供应商合作(XAI_API_KEY, GEMINI_API_KEY, ELEVENLABS_API_KEY, BFL_API_KEY).您可以设置多个密钥以启用多个提供程序。

克劳德桌面版

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

{
  "mcpServers": {
    "multimodal-mcp": {
      "command": "npx",
      "args": ["@r16t/multimodal-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

光标

添加 .cursor/mcp.json 在项目根目录中（或 ~/.cursor/mcp.json 全球）：

{
  "mcpServers": {
    "multimodal-mcp": {
      "command": "npx",
      "args": ["@r16t/multimodal-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

VS代码（GitHub副本）

添加 .vscode/mcp.json 在项目根目录中：

{
  "servers": {
    "multimodal-mcp": {
      "command": "npx",
      "args": ["@r16t/multimodal-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

帆板运动

添加 ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "multimodal-mcp": {
      "command": "npx",
      "args": ["@r16t/multimodal-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

克莱恩

添加 ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json:

{
  "mcpServers": {
    "multimodal-mcp": {
      "command": "npx",
      "args": ["@r16t/multimodal-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

许可证

麻省理工学院