README
🚀 亚马逊 Bedrock MCP 服务器
本项目是一个集成 Amazon Bedrock 的 Nova Canvas 模型的模型控制协议 (MCP) 服务器,专门用于 AI 图像生成。通过该服务器,能够借助 Amazon 的强大模型,依据文本描述生成高质量的图像。
🚀 快速开始
本服务器是集成了 Amazon Bedrock 的 Nova Canvas 模型的 MCP 服务器,可用于 AI 图像生成。使用前,你需要拥有有效 AWS 账户,具备 Amazon Bedrock 和 Nova Canvas 模型访问权限,并正确配置 AWS 凭证。同时,Node.js 版本需为 18 或更高版本。
✨ 主要特性
- 高质量图像生成:使用 Amazon 的 Nova Canvas 模型,可从文本描述生成高质量图像。
- 高级图像控制:支持通过负面提示(negative prompt)进行高级控制,优化图像构图。
- 灵活配置选项:具备灵活的配置选项,支持自定义图像尺寸和质量。
- 可重复生成过程:支持种子值控制,确保生成过程可重复。
- 强大错误处理:拥有强大的输入验证和错误处理机制。
📦 安装指南
AWS 凭证配置
服务器需要具备 Amazon Bedrock 访问权限的 AWS 凭证,可通过以下任一方式配置:
- 环境变量:
export AWS_ACCESS_KEY_ID=your_access_key
export AWS_SECRET_ACCESS_KEY=your_secret_key
export AWS_REGION=us-east-1 # 或您选择的区域
- AWS 凭证文件(
~/.aws/credentials):
[the_profile_name]
aws_access_key_id = your_access_key
aws_secret_access_key = your_secret_key
通过环境变量指定配置文件:
export AWS_PROFILE=the_profile_name
- IAM 角色:部署在 AWS 基础设施时使用。
Claude Desktop 集成
要在 Claude Desktop 中集成该服务器,请将以下配置添加到您的设置文件中:
- MacOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"amazon-bedrock": {
"command": "执行命令",
"args": []
}
}
}
💻 使用示例
基础用法
const { generateImage } = require('@your-package');
async function main() {
const response = await generateImage({
bucket: 'my-image-bucket',
objectKey: 'generated-image.png',
prompt: '一只飞翔的蓝鸟',
negativePrompt: 'low quality, blurry',
width: 800,
height: 600,
quality: 100
});
console.log('图像生成完成');
}
可用工具
generate_image 函数参数
| 参数 | 详情 | 是否必需 | 默认值 | |------|------|------|------| | Bucket | 存储图像的 S3 存储桶名称 | 是 | 无 | | ObjectKey | 图像在存储桶中的键名 | 是 | 无 | | Prompt | 图像生成的文本描述 | 是 | 无 | | NegativePrompt | 用于排除的内容提示 | 否 | 无 | | Width | 图像宽度 | 否 | 512 | | Height | 图像高度 | 否 | 512 | | Quality | 生成质量,取值范围 0 到 100 | 否 | 100 | | SamplingSteps | 采样步骤数 | 否 | 20 | | SafetyThreshold | 安全阈值,控制生成内容的保守程度 | 否 | 无 | | Seed | 随机种子值,确保可重复性 | 否 | 无 |
📚 详细文档
开发指南
克隆仓库
git clone https://github.com/your-repository.git
cd your-repository
安装依赖项
npm install
构建项目
npm run build
🔧 技术细节
图像生成时间受分辨率、数量和质量设置影响。请在实现中注意潜在的超时问题。
📄 许可证
本项目遵循 MIT 许可证,具体内容详见 LICENSE 文件。
Scan to contact