通义万相 MCP 服务器

这是一个基于 TypeScript 的 Model Context Protocol (MCP) 服务器，专门提供阿里云通义万相的文生图（Text-to-Image）和文生视频（Text-to-Video）能力。该服务器通过 MCP 协议，允许大语言模型（LLM）直接调用通义万相的图像和视频生成 API。

功能特点

• 文生图能力集成：接入阿里云通义万相文生图 API，支持高质量的 AI 图像生成
• 文生视频能力集成：接入阿里云通义万相文生视频 API，支持高质量的 AI 视频生成
• 异步任务处理：支持长时间运行的图像和视频生成任务，通过异步轮询获取最终结果
• MCP 协议支持：符合 Model Context Protocol 规范，可与支持 MCP 的 LLM 无缝协作

环境要求

• Node.js >= 16.x
• npm >= 8.x 或 pnpm

如何使用

以百炼平台为例：

{
  "mcpServers": {
    "tongyi-wanxiang": {
      "command": "npx",
      "args": [
        "-y",
        "tongyi-wanx-mcp-server@latest"
      ],
      "env": {
        "DASHSCOPE_API_KEY": "<你的通义万相 API 密钥>"
      }
    }
  }
}

如何开发

安装依赖

# 使用 npm
npm install

# 或使用 pnpm
pnpm install

构建与运行

# 构建项目
npm run build
# 或
pnpm run build

# 运行服务器
npm start
# 或
pnpm start

# 使用调试工具运行
npm run debug
# 或
pnpm run debug

API 使用

该服务器提供以下 MCP 工具：

1. 文生图生成（wanx-t2i-image-generation）

启动图像生成任务，返回任务 ID。

参数：

• prompt: 图像生成提示词
• negative_prompt: 负面提示词（不希望在图像中出现的元素）

返回：

• 包含 task_id 的任务信息

2. 获取生成结果（wanx-t2i-image-generation-result）

通过任务 ID 查询图像生成结果。

参数：

• task_id: 生成任务的唯一标识符

返回：

• 图像数据或错误信息

3. 文生视频生成（wanx-t2v-video-generation）

启动视频生成任务，返回任务 ID。

参数：

• prompt: 视频生成提示词
• negative_prompt: 负面提示词（不希望在视频中出现的元素）
• duration: 视频时长（可选，默认为 10 秒）

返回：

• 包含 task_id 的任务信息

4. 获取生成结果（wanx-t2v-video-generation-result）

通过任务 ID 查询视频生成结果。

参数：

• task_id: 生成任务的唯一标识符

返回：

• 视频数据或错误信息

项目结构

your-project
├── src/
│   ├── mcp-server.ts
│   └── utils/
│       └── config.ts
└── package.json

配置说明

环境变量

• DASHSCOPE_API_KEY: 通义万相 API 访问密钥
• PORT: 服务器监听端口（默认为 3000）

示例配置文件（config.ts）：

export const CONFIG = {
  api_key: process.env.DASHSCOPE_API_KEY,
  port: parseInt(process.env.PORT) || 3000,
}

注意事项

1. 请确保您已获取有效的通义万相 API 访问权限和密钥。
2. 图像生成是一个异步过程，可能需要数秒到数十秒不等。
3. 视频生成过程耗时较长，可能需要数分钟到十几分钟不等。
4. 视频生成状态查询可能会多次失败，系统会自动重试，请耐心等待。
5. 请合理设置轮询间隔和最大重试次数，以适应您的使用场景。
6. 对于视频生成任务，建议增加最大重试次数和轮询间隔时间。

参考资料

• 通义万相 API 文档
• Model Context Protocol (MCP) 规范