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

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

Llama 3-8B-Instruct 在昇腾 NPU 上的 SGLang 性能实测

1.引言 随着大模型在各类智能应用中的广泛应用,高效的推理硬件成为关键瓶颈。昇腾 NPU(Ascend Neural Processing Unit)凭借其高算力、低能耗以及对 SGLang 的深度优化,能够显著提升大模型推理性能。本文以 Llama 3-8B-Instruct 为例,通过在昇腾 NPU 上的实测,展示其在吞吐量、延迟和资源利用方面的优势,并探索可行的优化策略,为开发者在今后的开发中提供可参考的案例。 在本篇文章中我们会使用到Gitcode的Notebook来进行实战,GitCode Notebook 提供了开箱即用的云端开发环境,支持 Python、SGLang 及昇腾 NPU 相关依赖,无需本地复杂环境配置即可直接运行代码和进行实验。对于没有硬件平台的小伙伴来说是非常便利的。 GitCode Notebook使用链接:https://gitcode.com/user/m0_49476241/notebook。 2.实验环境与准备 2.

RAG 五大应用场景(三)企业级 Code RAG 与代码库 Copilot 深度架构指南

RAG 五大应用场景(三)企业级 Code RAG 与代码库 Copilot 深度架构指南

文章目录 * 1. 引言:为什么你的代码助手总是“差点意思”?——一场凌晨 2 点的生产力惨案 * 2. 核心洞察:代码是图,不是文本 —— 为什么传统切分必“翻车”? * 2.1 “文本刀法”的三大原罪 * 1. 语义连贯性被物理斩断(Semantic Decapitation) * 2. 噪声泛滥与上下文窗口的极度浪费(Context Pollution) * 3. 依赖缺失:硬伤中的硬伤(Missing Dependencies) * 3. 技术范式转移:引入 Tree-sitter 与 AST 结构化索引 * 3.1 降维打击的武器:Tree-sitter * 3.2 节点元数据(Metadata)建模:构建代码知识图谱 * 3.3

【全网最全・保姆级】Stable Diffusion WebUI Windows 部署 + 全套报错终极解决方案

大家好,我是在部署 SD WebUI 过程中把几乎所有坑都踩了一遍的选手,从 Git 报错、模块缺失、依赖冲突到虚拟环境异常,全部踩完。今天把完整安装流程 + 我遇到的所有真实错误 + 一行一解全部整理出来,写成一篇能直接发 ZEEKLOG 的完整文章。 一、前言 Stable Diffusion WebUI 是目前 AI 绘画最主流的本地部署工具,但 Windows 环境下因为 Python 版本、虚拟环境、Git 仓库、依赖包、CLIP 编译 等问题,90% 的新手都会启动失败。本文包含: * 标准 Windows 一键部署流程 * 我真实遇到的 10+ 种报错 * 每一种报错的 原因 + 直接复制可用的命令 * 最终测试出图提示词(

Claude Code 的完美平替:OpenCode + GitHub Copilot(顶级模型+最优价格)

引言:Claude 虽好,但你真的能用上吗? 在当前席卷全球的“Vibe Coding”浪潮中,Anthropic 推出的 Claude 系列模型 + 终端工具 Claude Code,凭借极强的逻辑推理能力,成为了开发者眼中的“白月光”。但现实是残酷的:对于中国开发者而言,账号随时被封、海外信用卡支付遭拒、API 额度受限以及复杂的网络环境,构成了一道难以逾越的门槛。 虽然最近国产编程模型不断发力,Claude Code + GLM-4.7 的表现非常出色,但面对复杂问题,Claude系列模型依然完胜。难道我们只能眼馋Claude全家桶的编程体验吗? 作为一名追求极致生产力的开发者,我发现了一个绝佳的完美替代方案:OpenCode + GitHub Copilot。这个组合不仅能让你享受如 GLM-4.7 一样的性价比,还能更方便的使用 Claude 的顶级模型。 Claude Code 的开源平替:OpenCode