mcp-server案例分享-即梦MCP-Server实战教程-让Claude直接调用AI生图视频能力

1. 前言

在AI辅助开发工具快速发展的今天，如何让AI助手直接调用外部服务成为了开发者关注的焦点。传统的方式往往需要开发者手动编写大量的API调用代码，不同服务的接口格式又各不相同，导致集成成本居高不下。更关键的是，像Claude、ChatGPT这样的AI助手无法直接访问外部资源，只能通过开发者作为"中间人"来完成任务，效率大打折扣。

MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年11月开源的标准化协议，专门用于解决AI模型与外部资源之间的连接问题。而今天要介绍的jimeng-mcp-server正是基于这个协议打造的即梦AI集成服务器，它能让Claude、Cherry Studio等AI应用直接调用即梦的"文生图"、"图像合成"、"文生视频"、"图生视频"四大核心能力。通过"Claude客户端 → MCP服务器 → 即梦API"的三层架构，实现了10-20倍的token压缩效率，同时保持97%以上的调用成功率。

昨天开源在GitHub上开源了jimeng-mcp-server，今天我们就手把手教大家在本地部署这个项目，体验和感受一下让Claude直接生成AI图片和视频的强大能力。话不多说，下面带大家一起来实现。

2. 项目介绍

jimeng-mcp-server 是一个开源的MCP服务器实现，它将即梦AI的多模态生成能力封装成标准的MCP工具，让任何支持MCP协议的AI应用都能轻松调用。

✨ 核心特性

🚀 四大AI生成工具：文生图、图像合成、文生视频、图生视频，满足多样化创作需求
🎯 标准MCP协议：完全兼容Anthropic的MCP规范，支持stdio、SSE、HTTP三种运行模式
💰 零成本使用：基于jimeng-free-api-all项目，官方每日赠送66积分，完全免费体验
🔧 一键Docker部署：提供完整的Docker Compose配置，3分钟即可启动服务
📦 多客户端支持：兼容Claude Desktop、Cherry Studio、Cline等主流MCP客户端
🌐 OpenAI兼容接口：支持标准的OpenAI API格式，易于集成到现有项目

🛠️ 技术栈

技术组件	说明	版本要求
语言	Python	3.10+
框架	FastMCP	最新版
协议	MCP Protocol	v1.0
后端API	jimeng-free-api-all	Docker部署
部署方式	Docker / stdio / SSE	-

核心依赖：

python 复制代码

# 主要依赖包
mcp>=1.0.0           # MCP协议核心库
httpx>=0.27.0        # HTTP客户端
python-dotenv>=1.0.0 # 环境变量管理

🎯 应用场景

AI内容创作

博客配图自动生成
短视频批量制作
产品宣传素材创作

智能办公助手

PPT自动配图
报告可视化
创意头脑风暴

开发者工具

UI原型快速生成
测试数据可视化
技术文档配图

🆚 为什么选择MCP方案？

相比传统的API集成方式，MCP方案具有显著优势：

核心优势总结：

⚡ 开发效率提升95%：从4周降至30分钟
💰 成本降低90%：Token消耗大幅减少
🎯 零维护成本：自动适配API变更
🚀 无限扩展性：轻松添加新服务

3. 部署实战

下面我们就来手把手实现这个MCP服务器的完整部署流程。整个过程分为两部分：首先部署jimeng-free-api-all后端服务，然后安装配置jimeng-mcp-server。

环境准备

在开始之前，我们需要确保系统已经安装了以下环境：

必备环境：

Python 3.10 或更高版本
Docker 和 Docker Compose（用于部署后端API）
Git（用于克隆项目）

推荐配置：

操作系统：Ubuntu 20.04+ / macOS 12+ / Windows 10/11（WSL2）
内存：至少 4GB
磁盘空间：至少 10GB

首先检查Python版本：

shell 复制代码

python --version
# 输出应该是 Python 3.10.x 或更高

然后验证Docker是否安装：

shell 复制代码

docker --version
docker-compose --version

如果Docker未安装，可以参考官方文档进行安装：docs.docker.com/get-docker/

部署后端API服务

jimeng-mcp-server 需要配合 jimeng-free-api-all 后端服务使用。我们首先来部署这个后端服务。

3.2.1 克隆后端项目

打开终端，执行以下命令：

shell 复制代码

# 克隆 jimeng-free-api-all 项目
git clone https://github.com/wwwzhouhui/jimeng-free-api-all.git
cd jimeng-free-api-all

3.2.2 配置环境变量

进入即梦登录账号，然后 F12 打开开发者工具，从 Application > Cookies 中找到sessionid的值，这将作为 Authorization 的 Bearer Token 值：Authorization: Bearer sessionid

3.2.3 启动后端服务

下载镜像

bash 复制代码

docker pull wwwzhouhui569/jimeng-free-api-all:latest

启动 Docker 容器

css 复制代码

docker run -it -d --init --name jimeng-free-api-all -p 8001:8000 -e TZ=Asia/Shanghai wwwzhouhui569/jimeng-free-api-all:latest

安装MCP服务器

后端服务部署完成后，我们开始安装jimeng-mcp-server。

3.3.1 克隆MCP项目

打开新的终端窗口，执行：

shell 复制代码

# 克隆 jimeng-mcp-server 项目
git clone https://github.com/wwwzhouhui/jimeng-mcp-server.git
cd jimeng-mcp-server

3.3.2 安装Python依赖

项目使用 uv 作为包管理工具（推荐），也可以使用传统的 pip。

方法一：使用 uv（推荐）

shell 复制代码

# 安装 uv（如果尚未安装）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 创建虚拟环境并安装依赖
uv venv
source .venv/bin/activate  # Linux/macOS
# 或者在 Windows 上使用: .venv\Scripts\activate

uv pip install -e .

方法二：使用 pip

shell 复制代码

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/macOS
# 或者在 Windows 上使用: .venv\Scripts\activate

# 安装依赖
pip install -e .

安装过程中可能需要几分钟时间，请耐心等待。

3.3.3 配置MCP服务器

创建 .env 文件配置后端API地址：

shell 复制代码

touch .env

编辑 .env 文件：

env 复制代码

# 即梦API配置

# 您的即梦API密钥 (必需)
JIMENG_API_KEY=您的API密钥

# API基础URL (可选, 默认为 https://jimeng.duckcloud.fun)
JIMENG_API_URL=http://127.0.0.1:8001

# 图像生成的默认模型 (可选, 默认为 jimeng-4.0)
JIMENG_MODEL=jimeng-4.0

注意：JIMENG_API_KEY 就是前面网页版本即梦 cookies

Cherry Studio配置

将此服务器添加到Cherry Studio配置文件:

MacOS : ~/Library/Application Support/Claude/claude_desktop_config.json

Windows : %APPDATA%\Claude\claude_desktop_config.json

json 复制代码

{
  "mcpServers": {
    "jimeng": {
      "command": "python",
      "args": ["-m", "jimeng_mcp.server"],
      "env": {
        "JIMENG_API_KEY": "您的API密钥"
      }
    }
  }
}

或者,如果您有.env文件:

json 复制代码

{
  "mcpServers": {
    "jimeng": {
      "command": "python",
      "args": ["-m", "jimeng_mcp.server"]
    }
  }
}

sse配置

文本生成图像示例

makefile 复制代码

生成一张图像:小猪和小狗踢球

图像合成示例

bash 复制代码

将这两张图像合成在一起:
- 图像1: https://p3-dreamina-sign.byteimg.com/tos-cn-i-tb4s082cfz/bab623359bd9410da0c1f07897b16fec~tplv-tb4s082cfz-resize:0:0.image?lk3s=8e790bc3&x-expires=1788961069&x-signature=cbtnyeSIcqWpngHdoYWFkCra3cA%3D
- 图像2: https://p3-dreamina-sign.byteimg.com/tos-cn-i-tb4s082cfz/6acf16d07c47413898aea2bdd1ad339e~tplv-tb4s082cfz-resize:0:0.image?lk3s=8e790bc3&x-expires=1788961069&x-signature=30S2i%2FvCH0eRR32CehcEaK8t5ns%3D
创建一个艺术风格的无缝融合

文本生成视频示例

makefile 复制代码

创建一个视频:小猫在钓鱼

图像生成视频示例

bash 复制代码

为这张图像添加动画效果:
https://p3-dreamina-sign.byteimg.com/tos-cn-i-tb4s082cfz/bab623359bd9410da0c1f07897b16fec~tplv-tb4s082cfz-resize:0:0.image?lk3s=8e790bc3&x-expires=1788961069&x-signature=cbtnyeSIcqWpngHdoYWFkCra3cA%3D
添加轻柔的运动和自然的镜头缩放

在claude code中使用

文本生成图像示例

vbscript 复制代码

请使用jimeng-mcp-server 生成一张图像:小猪和小狗踢球

图像合成示例

bash 复制代码

请使用jimeng-mcp-server 将这两张图像合成在一起:
- 图像1: https://p3-dreamina-sign.byteimg.com/tos-cn-i-tb4s082cfz/bab623359bd9410da0c1f07897b16fec~tplv-tb4s082cfz-resize:0:0.image?lk3s=8e790bc3&x-expires=1788961069&x-signature=cbtnyeSIcqWpngHdoYWFkCra3cA%3D
- 图像2: https://p3-dreamina-sign.byteimg.com/tos-cn-i-tb4s082cfz/6acf16d07c47413898aea2bdd1ad339e~tplv-tb4s082cfz-resize:0:0.image?lk3s=8e790bc3&x-expires=1788961069&x-signature=30S2i%2FvCH0eRR32CehcEaK8t5ns%3D
创建一个艺术风格的无缝融合

图片生成结果

3.6 高级配置（可选）

SSE模式部署

如果需要将MCP服务器部署到云端供多人使用，可以使用SSE（Server-Sent Events）模式：

shell 复制代码

# 启动SSE服务器
cd jimeng-mcp-server
uv run jimeng-mcp-server --transport sse --port 8080

然后在客户端配置中使用SSE连接：

json 复制代码

{
  "mcpServers": {
    "jimeng-remote": {
      "url": "http://your-server-ip:8080/sse",
      "transport": "sse"
    }
  }
}

HTTP REST API模式

jimeng-mcp-server还支持标准的HTTP REST API调用：

shell 复制代码

# 启动HTTP服务
uv run jimeng-mcp-server --transport http --port 8080

可以使用curl或Postman测试：

shell 复制代码

# 调用文生图API
curl -X POST http://localhost:8080/tools/text_to_image \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "一只可爱的柴犬",
    "width": 1024,
    "height": 1024
  }'

4. 总结

今天主要带大家了解并实现了 jimeng-mcp-server（即梦MCP服务器） 的 完整部署与集成流程 ，该 开源MCP服务器 以 "标准MCP协议 + 即梦AI多模态能力" 为核心优势，结合 AI辅助开发与内容创作 需求，通过 Docker容器化部署 与 FastMCP框架 ，形成了一套从 后端API搭建 到 Claude客户端集成 的全链路 AI工具编排解决方案。

通过这套实践方案，开发者与内容创作者能够高效突破传统AI助手无法直接调用外部服务的技术壁垒 ------ 借助三层架构设计（包括 Claude客户端层、MCP协议层、即梦API层），无需手动编写API对接代码，就能快速实现AI生图、图像合成、文生视频、图生视频四大核心功能（如本次演示的 "让Claude用一句话生成樱花下的柴犬视频"）。无论是博客配图自动生成、PPT智能配图，还是短视频批量制作、UI原型快速生成，都能通过自然语言指令完成，极大提升内容创作效率和开发体验。

在实际应用中，该 MCP服务器 不仅 支持stdio、SSE、HTTP三种运行模式 ，还 提供OpenAI兼容接口 ，适配性远优于 传统单一协议方案 ；特别是通过 Docker Compose一键部署 ，有效解决了 复杂环境配置和依赖管理 的难题。同时，方案具备良好的扩展性 ------ 小伙伴们可以基于此扩展更多 AI生成工具 ，如 AI音乐生成、3D模型生成、代码可视化生成 等，进一步发挥 MCP协议标准化能力 在 企业级AI应用、智能办公系统、教育培训平台 等领域的应用价值。感兴趣的小伙伴可以按照文中提供的步骤进行实践，根据实际 业务场景和创作需求 调整 工具参数、分辨率、时长等配置项。今天的分享就到这里结束了，我们下一篇文章见。