AI 图片/视频生成与处理工具，支持文本/图生图、文本/图生视频、图片分析与常用编辑（裁剪、缩放、转换、调参），可作为命令行工具或 MCP Server 使用
https://github.com/user-attachments/assets/92749d6f-727e-4874-a008-6ded8b4d9e7b
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
- 图片粘贴: 将图片粘贴到背景图片的指定位置
- 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
- 阿里云 (Aliyun): 基于阿里云通义千问的图片生成服务
安装
配置环境变量
IMAGENX_IMAGE_TO_IMAGE="provider:model"
IMAGENX_TEXT_TO_IMAGE="provider:model"
IMAGENX_IMAGE_TO_VIDEO="provider:model"
IMAGENX_TEXT_TO_VIDEO="provider:model"
IMAGENX_INSPECT_IMAGE="provier:model"
IMAGENX_<provider>_API_KEY="api-key"
或写入 .env 文件中
安装步骤
方式一：pip 安装（推荐）
pip install imagenx
方式二：从源码安装
git clone https://github.com/NewToolAI/imagenx.git
cd imagenx
pip install -e .
使用方法
作为命令行运行
# 生成图片（文本或图生图）
imagenx image "一只在云上飞翔的猫"
# 生成视频（文本或基于首尾帧）
imagenx video "一个人在运动"
imagenx video "一个人在运动" --first_frame logo.jpg
作为 MCP 服务器运行
标准输入输出模式 (stdio)
{
"mcpServers": {
"imagenx-cli": {
"command": "uvx",
"args": [
"-U",
"imagenx",
"server",
"--diable_tools",
"text_to_video image_to_video"
],
"env": {
"IMAGENX_IMAGE_TO_IMAGE": "doubao:doubao-seedream-4-0-250828",
"IMAGENX_TEXT_TO_IMAGE": "doubao:doubao-seedream-4-0-250828",
"IMAGENX_IMAGE_TO_VIDEO": "doubao:doubao-seedance-1-0-pro-fast-251015",
"IMAGENX_TEXT_TO_VIDEO": "doubao:doubao-seedance-1-0-pro-fast-251015",
"IMAGENX_INSPECT_IMAGE": "aliyun:qwen3-vl-flash",
"IMAGENX_DOUBAO_API_KEY": "api-key",
"IMAGENX_ALIYUN_API_KEY": "api-key"
}
}
}
}
HTTP 服务器模式
imagenx server --transport streamable-http --host 0.0.0.0 --port 8000
imagenx server --transport streamable-http --disable_tools text_to_video image_to_video # 禁用视频生成工具
{
"mcpServers": {
"imagenx-mcp-aliyun": {
"url": "http://127.0.0.1:8000/mcp",
"headers": {
"IMAGENX_IMAGE_TO_IMAGE": "aliyun:qwen-image-edit-plus",
"IMAGENX_TEXT_TO_IMAGE": "aliyun:qwen-image-plus",
"IMAGENX_IMAGE_TO_VIDEO": "aliyun:wan2.5-i2v-preview",
"IMAGENX_TEXT_TO_VIDEO": "aliyun:wan2.5-t2v-preview",
"IMAGENX_INSPECT_IMAGE": "aliyun:qwen3-vl-flash",
"IMAGENX_ALIYUN_API_KEY": "api-key"
}
}
}
}
Cloud 免安装 (没有工具 download)
{
"mcpServers": {
"imagenx-mcp-cloud": {
"url": "https://imagenx.fastmcp.app/mcp",
"headers": {
"IMAGENX_IMAGE_TO_IMAGE": "aliyun:qwen-image-edit-plus",
"IMAGENX_TEXT_TO_IMAGE": "aliyun:qwen-image-plus",
"IMAGENX_IMAGE_TO_VIDEO": "aliyun:wan2.5-i2v-preview",
"IMAGENX_TEXT_TO_VIDEO": "aliyun:wan2.5-t2v-preview",
"IMAGENX_INSPECT_IMAGE": "aliyun:qwen3-vl-flash",
"IMAGENX_ALIYUN_API_KEY": "api-key"
}
}
}
}
可用工具
1. text_to_image
根据文本描述生成图片。
2. image_to_image
基于输入图片和文本描述生成新图片。
3. download
下载图片或视频到本地。
4. get_image_info
获取图片信息。
5. crop_image
裁剪图片。
6. resize_image
调整图片尺寸。
7. convert_image
转换图片格式。
8. adjust_image
调整图片的亮度、对比度和饱和度。
9. text_to_video
根据文本提示生成视频。
10. image_to_video
基于首帧与可选尾帧生成视频。
11. paste_image
将图片粘贴到背景图片的指定位置。
12. inspect_image
分析图片内容，返回结构化或文本结果。
项目结构
imagenx/
├── imagenx/
│ ├── 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（imagenx）
│ ├── script.py # 命令行生成图片/视频脚本
│ ├── utils.py # 工具函数模块
│ └── predictor/
│ ├── base/
│ │ ├── base_text_to_image.py # 文本生成图片接口
│ │ ├── base_image_to_image.py # 图片生成图片接口
│ │ ├── base_text_to_video.py # 文本生成视频接口
│ │ ├── base_image_to_video.py # 图片生成视频接口
│ │ └── base_image_inspector.py # 图片分析接口
│ └── generators/
│ ├── doubao/ # 豆包服务提供商
│ │ ├── text_to_image.py
│ │ ├── image_to_image.py
│ │ ├── text_to_video.py
│ │ ├── image_to_video.py
│ │ └── image_inspector.py
│ └── aliyun/ # 阿里云服务提供商
│ ├── text_to_image.py
│ ├── image_to_image.py
│ ├── text_to_video.py
│ ├── image_to_video.py
│ └── image_inspector.py
├── 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：
- 实现相应的基类接口，例如
BaseTextToImage：
from imagenx.predictor.base.base_text_to_image import BaseTextToImage
class ProviderTextToImage(BaseTextToImage):
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
- 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）dashscope>=1.25.1: 阿里云通义千问 SDK（阿里云服务）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
v1.0.0 (当前版本)
新增功能
- 查询分析工具: 新增
analyze_query工具，支持分析用户需求并制定工具调用计划 - Cloud 服务: 新增云端免安装服务支持，可通过 HTTP 方式使用（不包含 download 工具）
功能优化
- 统一版本号为 1.0.0，项目进入稳定版本阶段
- 优化工具链调用流程，提升用户体验
v0.3.0
新增功能
- 阿里云服务提供商: 新增基于阿里云通义千问的图片生成服务支持
- 图片粘贴: 新增
paste_image工具，支持将图片粘贴到背景图片的指定位置 - 工具控制: 新增
--disable_tools参数，支持在运行 MCP 服务器时禁用特定工具
功能优化
- 完善图片处理工具集，增强图片编辑能力
- 重构基类接口，提供更细分的功能模块
v0.2.0
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
inspect_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
IMAGENX_IMAGE_MODEL、IMAGENX_VIDEO_MODEL、IMAGENX_INSPECT_IMAGE - 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: zhangslwork@yeah.net