🚀 佛罗伦萨AI图像生成器MCP服务器
该项目实现了一个集成Venice AI进行图像生成的模型上下文协议（MCP）服务器，并结合了批准/再生工作流，为大型语言模型与图像生成功能搭建桥梁。
🚀 快速开始
要实现此服务器，请按照以下步骤操作：
- 安装FastMCP库
- 设置Venice AI API凭证
- 实现所述MCP工具
- 运行服务器并将其连接到LLM主机
✨ 主要特性
图像生成与批准流程
该服务器的核心功能如下：
- 使用Venice AI根据文本提示生成图像
- 在图像上叠加可点击的向上/向下投票图标并显示给用户
- 允许用户通过点击向上图标批准图像或通过点击向下图标请求重新生成
- 如果需要，使用相同的参数再生图像
技术实现
服务器实现了几个MCP工具：
- generateImage：根据文本提示生成图像
- approveImage：批准已生成的图像
- requestRegeneration：请求重新生成图像
- showVotes：显示当前图像的投票情况
📚 详细文档
MCP是什么？
模型上下文协议（MCP）是一个开放协议，标准化应用程序如何向大型语言模型（LLMs）提供上下文。它充当“AI应用的USB - C端口”，允许LLMs连接到各种数据源和工具，以一种统一的方式。
欲了解更多信息，请访问官方MCP介绍页面。
项目概述
该MCP服务器为LLMs（如Claude）与Venice AI的图像生成功能之间搭建了桥梁。它使LLMs能够根据文本提示生成图像，并实现了一个交互式批准反馈循环，带有向上/向下投票的图标。
MCP资源
有关模型上下文协议的更多信息以及如何构建MCP服务器，请参阅以下资源：
- MCP介绍 - 官方对模型上下文协议的介绍
- MCP SDKs - 官方针对Python、TypeScript、Java和Kotlin的语言SDK
- MCP GitHub仓库 - 官方MCP实现及示例
- 使用LLMs构建MCP - 使用LLMs构建MCP服务器的教程
- 示例服务器 - 官方MCP服务器实施示例库
- MCP检查器 - 用于调试MCP服务器的交互式工具