Image Edit RMCP

中文 | English

一、项目介绍

1. 对标 OpenAI Web 的图像编辑功能：提供一个类似于 OpenAI 图像编辑功能的 MCP（Model Context Protocol）服务，支持多种图像处理操作
2. 让纯文本模型也能"看见图片"：通过图像识别和描述功能，使传统语言模型能够理解和处理图像内容

二、功能介绍

1. 图像处理功能：

   • 图像内容识别：使用 Qwen3-VL 模型分析图像内容并生成描述
   • 图像裁剪：按百分比坐标裁剪图像
   • 图像旋转：支持 90°左旋、90°右旋和 180°翻转
   • 图像基础信息获取：获取图像尺寸、格式、大小等信息
   • 图像 OCR：从图像中提取文字内容
   • AI 图像生成：基于文本描述生成图像
   • AI 图像编辑：基于文本指令编辑现有图像

2. 简单图床：内置图像上传和存储功能，支持通过 URL 访问处理后的图像

3. 秘钥生成：提供 API 密钥生成和管理界面

三、体验地址

• MCP 连接地址：https://image.cd.actrue.cn/kB7XMqsX31s90JPV/mcp (httpstream)
• 图床地址：https://image.cd.actrue.cn/kB7XMqsX31s90JPV/upload
• 秘钥生成地址：https://image.cd.actrue.cn/secret

四、使用教程

CherryStudio 集成

特别注意：需要开启长时间运行模式。AI 生成图像功能耗时较长，建议在使用时保持耐心。

最佳实践

1. 将待处理的图片通过图床上传并且获得url
2. 将待处理的图片url通过prompt传递给模型

图像内容识别

提示词：

https://muse-ai.oss-cn-hangzhou.aliyuncs.com/img/fd7409815bb94bddba84191e21a803a2.png
查看这张图片

图像内容裁剪

提示词：

https://muse-ai.oss-cn-hangzhou.aliyuncs.com/img/fd7409815bb94bddba84191e21a803a2.png
裁剪出图中的太阳
裁剪完成后展示出原图和裁剪结果

图像文字提取

提示词：

https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-Image/image2512/arena.png#center
识别图中文字
并且展示图片

五、部署方式

环境要求

• Rust 1.76 或更高版本
• Docker（可选，用于容器化部署）
• ModelScope API 密钥（用于 AI 功能）

Cargo 部署（推荐）

1. Rust 安装

# 使用 rustup 安装 Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

# 或从系统包管理器安装
# macOS: brew install rust
# Ubuntu/Debian: sudo apt install rustc cargo

2. 配置环境变量

复制环境变量模板并配置您的 API 密钥：

cp .env.example .env

编辑 .env 文件：

# ModelScope API 密钥（必填）
MODELSCOPE_API_KEY=your_api_key_here

# 服务器端口
MCP_PORT=3000

# 安全密钥（用于图床上传）
SECRET_KEY=your_secret_key_here

# 缓存目录
CACHE_DIR=~/.cache/image-edit-rmcp

# 缓存 URL（用于生成公开访问链接）
CACHE_URL=http://localhost:3000

3. 项目启动

# 克隆项目（如果尚未克隆）
# git clone <repository-url>
# cd image-edit-rmcp

# 安装依赖并构建
cargo build --release

# 运行服务
cargo run --release

服务将在 http://localhost:3000 启动。

使用http://localhost:3000/{SECRET_KEY}/mcp 访问mcp服务

六、技术细节

工具介绍

1. fetch_image - 从 URL 获取图像

功能：从指定 URL 下载图像，分析图像内容，并生成描述。

输入参数：

• url (string): 图像 URL（必需）
• focus (string, 可选): 需要特别关注的内容

输出：

• 图像 URL
• 图像名称
• MIME 类型
• 图像描述文本

2. rotate_image - 旋转图像

功能：按指定方向旋转图像。

输入参数：

• url (string): 图像 URL（必需）
• direction (enum): 旋转方向，可选值：
  • Right90: 顺时针旋转 90°
  • Left90: 逆时针旋转 90°
  • Flip180: 旋转 180°

输出：

• 旋转后的图像 URL（PNG 格式）

3. crop_image - 裁剪图像

功能：按百分比坐标裁剪图像。

输入参数：

• url (string): 图像 URL（必需）
• left (float, 可选): 左侧百分比（0-100），默认 0
• top (float, 可选): 顶部百分比（0-100），默认 0
• right (float, 可选): 右侧百分比（0-100），默认 100
• bottom (float, 可选): 底部百分比（0-100），默认 100

输出：

• 裁剪后的图像 URL（PNG 格式）

4. get_image_info - 获取图像信息

功能：获取图像的基本信息。

输入参数：

• url (string): 图像 URL（必需）

输出：

• width: 图像宽度（像素）
• height: 图像高度（像素）
• total_pixels: 总像素数
• mime_type: MIME 类型
• size: 文件大小（字节）
• aspect_ratio: 宽高比（可选）

5. ocr_extract - OCR 文字提取

功能：从图像中提取文字内容。

输入参数：

• image_url (string): 图像 URL（必需）

输出：

• 提取的文本内容

6. generate_image - AI 生成图像

功能：基于文本描述生成图像。

输入参数：

• prompt (string): 图像描述（必需）
• negative_prompt (string, 可选): 不希望出现的内容
• aspect_ratio (string, 可选): 宽高比，可选值：1:1、16:9、9:16、4:3、3:4、3:2、2:3，默认 1:1
• resolution (string, 可选): 分辨率，可选值：1k、2k、4k，默认 1k
• steps (u32, 可选): 采样步数

输出：

• 生成的图像 URL

7. edit_image - AI 编辑图像

功能：基于文本指令编辑现有图像。

输入参数：

• image_url (string): 待编辑图像 URL（必需）
• prompt (string): 编辑指令（必需）
• size (string, 可选): 输出图像尺寸
• steps (u32, 可选): 采样步数

输出：

• 编辑后的图像 URL

工具的实现方式

技术栈

• 后端框架：Rust + Axum + RMCP
• 图像处理：image 库（支持 PNG、JPEG、GIF、BMP、WebP）
• AI 集成：ModelScope API（Qwen3-VL、Z-Image-Turbo、Qwen-Image-Edit）
• 缓存系统：本地文件缓存，支持 HTTP 访问
• Web 界面：Axum 静态文件服务 + HTML 模板

核心实现原理

1. 图像处理流程：

   • 接收 HTTP URL 输入
   • 下载图像到内存
   • 使用 image 库进行解码和处理（旋转、裁剪）
   • 编码为 PNG 格式输出
   • 缓存处理结果到本地文件系统

2. AI 功能集成：

   • 图像识别：调用 ModelScope Qwen3-VL 模型分析图像内容
   • OCR 提取：使用 Qwen3-VL 模型提取图像中的文字
   • 图像生成：使用 Z-Image-Turbo 模型基于文本生成图像
   • 图像编辑：使用 Qwen-Image-Edit 模型基于指令编辑图像

3. 缓存机制：

   • 基于 URL 和参数计算哈希值
   • 将处理结果存储到本地缓存目录
   • 通过 HTTP 服务提供缓存文件的公开访问
   • 支持元数据（图像信息、描述等）存储

4. MCP 协议集成：

   • 实现 RMCP 协议的 ServerHandler
   • 提供标准的工具调用接口
   • 支持 httpstream 传输协议

依赖库

主要依赖（见 Cargo.toml）：

• rmcp: MCP 协议实现
• axum: Web 框架
• image: 图像处理
• reqwest: HTTP 客户端
• serde: JSON 序列化
• tokio: 异步运行时