imgenx 0.2.0

Add your description here

ImgenX: AI图片生成与图片处理的命令行工具和MCP Server

功能特性

• 文本生成图片: 根据文本描述生成图片
• 图片生成图片: 基于输入图片和文本描述生成新图片
• 文本/图片生成视频: 支持提示词生成视频，或基于首尾帧生成视频
• 图片下载/视频下载: 将生成的图片或视频URL下载并保存到本地
• 图片处理工具: 提供完整的图片处理功能
  • 图片信息获取: 查看图片格式、尺寸、模式等信息
  • 图片裁剪: 按指定区域裁剪图片（支持小数比例坐标）
  • 尺寸调整: 调整图片大小，支持保持宽高比
  • 格式转换: 支持PNG、JPEG、JPG、WEBP格式转换
  • 图像调整: 调整亮度、对比度、饱和度
• 图片理解与分析: 基于视觉模型分析图片内容，输出结构化或文本结果
• 多种分辨率支持: 支持 1K、2K、4K 分辨率以及多种自定义像素尺寸
• 插件化架构: 基于工厂模式设计，支持扩展新的图片生成服务提供商
• MCP 协议支持: 兼容 Model Context Protocol 标准

当前支持的服务提供商

• 豆包 (Doubao): 基于火山引擎的图片生成服务

安装

配置环境变量

export IMGENX_IMAGE_MODEL="doubao:doubao-seedream-4-0-250828"   # 图片生成模型
export IMGENX_VIDEO_MODEL="doubao:doubao-seedance-1-0-pro-fast-251015" # 视频生成模型（可选）
export IMGENX_ANALYZER_MODEL="doubao:doubao-seed-1-6-vision-250815"   # 图片分析模型（可选）
export IMGENX_API_KEY="your_api_key"

或写入 .env 文件中

安装步骤

方式一：pip 安装（推荐）

pip install imgenx

方式二：从源码安装

git clone https://github.com/NewToolAI/imgenx.git
cd imgenx
pip install -e .

使用方法

作为命令行运行

# 生成图片（文本或图生图）
imgenx image "一只在云上飞翔的猫"
imgenx image "一只在云上飞翔的猫" --size 2K
imgenx image "一只在云上飞翔的猫" --size 2048x2048 --output test.jpg
imgenx image "一只在云上飞翔的猫" --images test.jpg --size 2048x2048 --output out_dir/

# 生成视频（文本或基于首尾帧）
imgenx video "一个人在运动" --resolution 720p --ratio 16:9 --duration 5 --output video.mp4
imgenx video "一个人在运动" --first_frame logo.jpg --resolution 720p --ratio 16:9 --duration 5 --output video.mp4

作为 MCP 服务器运行

标准输入输出模式 (stdio)

{
  "mcpServers": {
    "imgenx-mcp": {
      "command": "uvx",
      "args": [
        "-U",
        "imgenx",
        "server"
      ],
      "env": {
        "IMGENX_IMAGE_MODEL": "doubao:doubao-seedream-4-0-250828",
        "IMGENX_VIDEO_MODEL": "doubao:doubao-seedance-1-0-pro-fast-251015",
        "IMGENX_ANALYZER_MODEL": "doubao:doubao-seed-1-6-vision-250815",
        "IMGENX_API_KEY": "api-key"
      },
      "timeout": 600
    }
  }
}

HTTP 服务器模式

imgenx server --transport streamable-http --host 0.0.0.0 --port 8000

{
  "mcpServers": {
    "imgenx-mcp": {
      "url": "http://127.0.0.1:8000/mcp",
      "headers": {
        "IMGENX_IMAGE_MODEL": "doubao:doubao-seedream-4-0-250828",
        "IMGENX_VIDEO_MODEL": "doubao:doubao-seedance-1-0-pro-fast-251015",
        "IMGENX_ANALYZER_MODEL": "doubao:doubao-seed-1-6-vision-250815",
        "IMGENX_API_KEY": "api-key"
      },
      "timeout": 600
    }
  }
}

可用工具

1. text_to_image

根据文本描述生成图片。

参数:

• prompt (str): 图片生成的提示词
• size (str): 图片尺寸，支持：
  • 分辨率: 1K, 2K, 4K
  • 像素尺寸: 2048x2048, 2304x1728, 1728x2304, 2560x1440, 1440x2560, 2496x1664, 1664x2496, 3024x1296

返回: 包含图片 URL 的字典列表

2. image_to_image

基于输入图片和文本描述生成新图片。

参数:

• prompt (str): 图片生成的提示词
• images (List[str]): 输入图片URL列表或本地文件路径列表
• size (str): 图片尺寸（同上）

返回: 包含图片 URL 的字典列表

3. download

下载图片或视频到本地。

参数:

• url (str): 图片或视频 URL
• path (str): 本地保存路径

返回: 成功时返回 'success'

4. get_image_info

获取图片信息。

参数:

• image (str): 图片路径或URL

返回: 包含图片信息的字典（格式、尺寸、模式、文件大小）

5. crop_image

裁剪图片。

参数:

• image (str): 图片路径或URL
• box (str): 小数比例坐标，裁剪区域为 "x1,y1,x2,y2"（取值 0~1，分别代表左上角与右下角在宽/高上的比例）
• output (str): 输出文件路径

返回: 包含生成图片路径的字典

9. text_to_video

根据文本提示生成视频。

参数:

• prompt (str): 视频生成的提示词
• resolution (str): 分辨率，支持 480p、720p、1080p
• ratio (str): 宽高比，支持 16:9、4:3、1:1、3:4、9:16、21:9
• duration (int): 时长（秒），支持 2~12

返回: 视频下载的 URL（字符串）

10. image_to_video

基于首帧与可选尾帧生成视频。

参数:

• prompt (str): 视频生成的提示词
• first_frame (str): 首帧图片路径或 URL
• last_frame (str|None): 尾帧图片路径或 URL（可选）
• resolution (str): 分辨率，支持 480p、720p、1080p
• ratio (str): 宽高比，支持 16:9、4:3、1:1、3:4、9:16、21:9
• duration (int): 时长（秒），支持 2~12

返回: 视频下载的 URL（字符串）

11. analyze_image

分析图片内容，返回结构化或文本结果。

参数:

• prompt (str): 分析提示词（例如“请描述这张图片”或“给出裁剪建议”）
• image (str): 图片路径或 URL

返回: 分析结果字符串；输出裁剪建议时请使用小数比例坐标 x1,y1,x2,y2

6. resize_image

调整图片尺寸。

参数:

• image (str): 图片路径或URL
• size (str): 目标尺寸，格式为 "WIDTHxHEIGHT"
• output (str): 输出文件路径
• keep_aspect (bool): 是否保持宽高比，默认为 True

返回: 包含生成图片路径的字典

7. convert_image

转换图片格式。

参数:

• image (str): 图片路径或URL
• format (str): 目标格式（PNG/JPEG/JPG/WEBP）
• output (str): 输出文件路径
• quality (int): 压缩质量（针对有损格式），默认为 90

返回: 包含生成图片路径的字典

8. adjust_image

调整图片的亮度、对比度和饱和度。

参数:

• image (str): 图片路径或URL
• output (str): 输出文件路径
• brightness (float): 亮度调整，默认为 1.0
• contrast (float): 对比度调整，默认为 1.0
• saturation (float): 饱和度调整，默认为 1.0

返回: 包含生成图片路径的字典

项目结构

imgenx-mcp-server/
├── imgenx/
│   ├── server.py                  # MCP 服务器主文件（工具定义与运行）
│   ├── factory.py                 # 预测器工厂（图片/视频/分析）
│   ├── operator.py                # 图片处理操作模块
│   ├── main.py                    # CLI 入口（imgenx）
│   ├── script.py                  # 命令行生成图片/视频脚本
│   └── predictor/
│       ├── base/
│       │   ├── base_image_generator.py   # 基础图片生成器接口
│       │   ├── base_video_generator.py   # 基础视频生成器接口
│       │   └── base_image_analyzer.py    # 基础图片分析器接口
│       └── generators/
│           ├── doubao_image_generator.py   # 豆包图片生成器实现
│           ├── doubao_video_generator.py   # 豆包视频生成器实现
│           └── doubao_image_analyzer.py    # 豆包图片分析器实现
├── pyproject.toml                 # 项目配置（入口脚本等）
├── uv.lock                        # 依赖锁（可选）
└── README.md                      # 项目说明

扩展新的服务提供商

要扩展新的服务提供商：

1. 在 imgenx/predictor/generators/ 目录下创建实现文件，命名规范：

   • 图片生成器：{provider}_image_generator.py
   • 视频生成器（可选）：{provider}_video_generator.py
   • 图片分析器（可选）：{provider}_image_analyzer.py

2. 实现 BaseImageGenerator 接口：

from typing import List, Dict
from imgenx.predictor.base.base_image_generator import BaseImageGenerator

class ProviderImageGenerator(BaseImageGenerator):
    def __init__(self, model: str, api_key: str):
        self.model = model
        self.api_key = api_key
        # 其他初始化代码
    
    def text_to_image(self, prompt: str, size: str) -> List[Dict[str, str]]:
        # 实现文本生成图片逻辑
        # 返回格式: [{"url": "图片URL"}]
        pass
    
    def image_to_image(self, prompt: str, images: List[str], size: str) -> List[Dict[str, str]]:
        # 实现图片生成图片逻辑（可选）
        # 返回格式: [{"url": "图片URL"}]
        pass

3. 工厂类会自动发现并加载新的实现（基于文件名），模型字符串需为 provider:model 格式，例如：doubao:doubao-seedream-4-0-250828

依赖项

• fastmcp>=2.12.4: MCP 协议实现
• python-dotenv>=1.1.1: 环境变量加载
• volcengine-python-sdk[ark]>=4.0.22: 火山引擎 SDK（豆包服务）
• requests>=2.25.0: HTTP 请求库（用于图片下载）
• pillow>=12.0.0: 图片处理库（用于图片编辑操作）

更新日志

v0.2.0 (当前版本)

新增功能

• 视频生成: 支持 text_to_video 与 image_to_video 两种方式
• 图片分析: 新增 analyze_image 工具，支持视觉模型分析
• 图片处理工具集完善: get_image_info、crop_image（比例坐标）、resize_image、convert_image、adjust_image

技术改进

• 工厂模式统一图片/视频/分析三类预测器的发现与加载
• 环境变量分离为 IMGENX_IMAGE_MODEL、IMGENX_VIDEO_MODEL、IMGENX_ANALYZER_MODEL
• MCP 工具集扩展，HTTP 服务器提供 /health、/healthy 健康检查路由
• 支持本地文件与 URL 两种图片输入方式；下载工具统一图片/视频

许可证

本项目的许可证信息请查看项目仓库。

贡献

欢迎提交 Issue 和 Pull Request 来改进这个项目。

联系方式

• Email: [e-mail]