Midjourney MCP 集成指南

在当今的人工智能发展中,MCP(模型上下文协议)由 Anthropic 推出,为 AI 模型(如 Claude、GPT 等)提供了通过标准化接口调用外部工具的能力。借助 AceData Cloud 提供的 Midjourney MCP 服务器,您可以在 Claude Desktop、VS Code、Cursor 等 AI 客户端中直接生成和编辑 AI 图像。

功能概述

Midjourney MCP 服务器提供以下核心功能:

  • 图像生成(Imagine) — 从文本提示生成高质量图像
  • 图像编辑 — 对生成的图像进行本地修改
  • 图像转换 — 放大、缩小和移动现有图像
  • 图像融合(Blend) — 将多张图像合并为一张新图像
  • 参考图像生成 — 使用参考图像指导生成
  • 图像描述(Describe) — 根据图像生成文本描述
  • 提示翻译 — 将中文提示翻译为英文
  • 种子检索 — 获取图像的种子值以便复现
  • 视频生成 — 根据图像生成动态视频
  • 任务查询 — 监控生成进度并获取结果

环境准备

在使用之前,您需要获取一个 AceData Cloud API Token:

  1. 注册或登录 AceData Cloud 平台
  2. 前往 Midjourney Imagine API 页面
  3. 点击“获取”以获得 API Token(首次申请者可获得免费积分)

安装配置

方法一:pip 安装(推荐)

pip install mcp-midjourney 

方法二:从源代码安装

git clone https://github.com/AceDataCloud/MidjourneyMCP.git cd MidjourneyMCP pip install -e . 

安装完成后,您可以使用 mcp-midjourney 命令启动服务。

在 Claude Desktop 中使用

编辑 Claude Desktop 配置文件:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下配置:

{ "mcpServers": { "midjourney": { "command": "mcp-midjourney", "env": { "ACEDATACLOUD_API_TOKEN": "Your API Token" } } } } 

如果使用 uvx(无需提前安装包):

{ "mcpServers": { "midjourney": { "command": "uvx", "args": ["mcp-midjourney"], "env": { "ACEDATACLOUD_API_TOKEN": "Your API Token" } } } } 

保存配置后,重启 Claude Desktop,以便在对话中使用与 Midjourney 相关的工具。

在 VS Code / Cursor 中使用

在项目根目录下创建一个 .vscode/mcp.json 文件:

{ "servers": { "midjourney": { "command": "mcp-midjourney", "env": { "ACEDATACLOUD_API_TOKEN": "Your API Token" } } } } 

或者使用 uvx

{ "servers": { "midjourney": { "command": "uvx", "args": ["mcp-midjourney"], "env": { "ACEDATACLOUD_API_TOKEN": "Your API Token" } } } } 

可用工具列表

工具名称描述
midjourney_imagine从文本提示生成图像
midjourney_edit编辑现有图像的局部区域
midjourney_transform放大、缩小和移动现有图像
midjourney_blend将多张图像合并为一张
midjourney_with_reference使用参考图像生成图像
midjourney_describe根据图像生成文本描述
midjourney_translate将提示翻译为英文
midjourney_get_seed检索图像的种子值
midjourney_generate_video根据图像生成视频
midjourney_extend_video扩展现有视频
midjourney_get_task查询单个任务的状态
midjourney_get_tasks_batch批量查询任务状态

使用示例

配置完成后,您可以在 AI 客户端中使用自然语言直接调用这些功能,例如:

  • “帮我生成一个赛博朋克风格的城市夜景”
  • “将这张图像的背景改为海边”
  • “将这四张图像融合成一张”
  • “描述这张图像的内容”
  • “从这张图像做一个视频”
  • “放大这张图像的第二个变体”

更多信息

总结来说,使用 Midjourney MCP 服务器可以极大地提升您在 AI 图像生成和编辑方面的工作效率。通过简单的配置,您就能在多个流行的 AI 客户端中享受到这些强大的功能。

标签:#Midjourney #MCP #AceDataCloud #AI图像生成 #技术教程

Read more

.计算机学习系统信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】

.计算机学习系统信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】

摘要 随着信息技术的快速发展,计算机学习系统在教育、科研和企业培训等领域的应用日益广泛。传统的学习管理系统往往存在功能单一、扩展性差、用户体验不佳等问题,难以满足现代学习场景的多样化需求。为了提高学习效率和管理水平,设计并实现一套高效、可扩展的计算机学习系统信息管理系统具有重要意义。该系统能够整合学习资源、管理用户信息、跟踪学习进度,并为管理员提供便捷的数据分析工具。关键词:计算机学习系统、信息管理、学习资源、用户管理、数据分析。 本系统采用前后端分离的架构设计,后端基于SpringBoot框架实现,提供了RESTful API接口,支持高并发和分布式部署。前端使用Vue.js框架开发,结合Element UI组件库,确保用户界面的美观性和交互体验。数据库采用MySQL,通过合理的表结构设计保证数据的一致性和查询效率。系统主要功能包括用户权限管理、课程资源上传与下载、学习进度跟踪、在线测试与成绩分析等。关键词:SpringBoot、Vue.js、MySQL、权限管理、在线测试。 数据表设计 用户信息数据表 用户信息数据表中,注册时间是通过函数自动获取的,用户ID是该表的主键,

梳理 Spring Boot Web 开发的几个概念

Web 技术栈概念梳理 本文档梳理 Spring Boot Web 开发中常涉及的几组概念:Servlet / WebFlux、Tomcat / Netty、HttpServletResponse / ServerHttpResponse,以及 spring-boot-starter-web / spring-boot-starter-webflux。 1. Servlet 与 WebFlux Servlet * 定义:Java EE 标准里的 Web API,采用「一个请求一个线程」的同步、阻塞模型。 * 技术栈:spring-boot-starter-web → 内嵌 Tomcat + Spring MVC。 * 特点:每个请求占用一个线程直到处理结束;请求/响应类型为 HttpServletRequest / HttpServletResponse;代码为同步写法。 WebFlux * 定义:Spring 的响应式 Web 框架,

MC.JS WEBMC 1.8.8 PLUS MOBILE在在线教育中的应用案例

快速体验 1. 打开 InsCode(快马)平台 https://www.inscode.net 2. 输入框内输入如下内容: 创建一个基于MC.JS WEBMC 1.8.8 PLUS MOBILE的教育演示项目。要求:1) 实现一个简单的3D编程教学环境;2) 包含5个循序渐进的编程练习任务;3) 添加教学注释和提示系统;4) 支持移动设备访问;5) 提供学生作品展示区。请使用响应式设计,确保在不同设备上都有良好的用户体验。 1. 点击'项目生成'按钮,等待项目生成完整后预览效果 最近在尝试将游戏开发引入编程教学时,发现MC.JS WEBMC 1.8.8 PLUS MOBILE这个工具特别适合做在线教育场景的实践。通过浏览器就能创建3D编程环境的特点,

AI智能实体侦测服务用户体验优化:WebUI交互设计细节解析

AI智能实体侦测服务用户体验优化:WebUI交互设计细节解析 1. 引言:AI 智能实体侦测服务的现实需求 在信息爆炸的时代,非结构化文本数据(如新闻、社交媒体内容、文档资料)占据了企业与个人数据总量的80%以上。如何从这些杂乱无章的文字中快速提取出有价值的信息,成为自然语言处理(NLP)领域的重要课题。命名实体识别(Named Entity Recognition, NER)作为信息抽取的核心技术,能够自动识别文本中的人名(PER)、地名(LOC)、机构名(ORG)等关键实体,广泛应用于舆情监控、知识图谱构建、智能客服等场景。 然而,高精度的模型能力仅是基础,用户能否高效、直观地使用这项能力,才是决定其落地价值的关键。为此,基于ModelScope平台的RaNER模型所构建的“AI智能实体侦测服务”,不仅提供了高性能的中文NER能力,更通过精心设计的Cyberpunk风格WebUI,实现了从“可用”到“好用”的跨越。本文将深入解析该WebUI的交互设计细节,探讨如何通过视觉引导、