MCP-ImageGen 2 tools — generate_image และ edit_image

MCP-ImageGen ตั้งใจให้ MCP surface เล็กที่สุด: มีเพียง 2 tools ไม่มี shell ไม่มี tool เข้าถึงไฟล์ทั่วไป และ server เป็นเจ้าของ model path, guidance, negative prompt และที่เก็บไฟล์ ผู้เรียกกำหนดได้เฉพาะ prompt, อัตราส่วน, steps, seed และภาพที่จะแก้
generate_image
สร้างภาพ หนึ่งภาพต่อหนึ่งการเรียก
{
"prompt": "A quiet mountain lake at sunrise",
"aspect_ratio": "16:9",
"steps": 25,
"seed": 42
}
| พารามิเตอร์ | ค่าที่รับ | ค่าเริ่มต้น |
|---|---|---|
prompt |
ข้อความภาษาอังกฤษ ไม่เกิน 512 tokens (วัดด้วย tokenizer ของ Qwen) | ต้องระบุ |
aspect_ratio |
1:1 1024×1024, 4:3 1152×864, 16:9 1280×720, 9:16 720×1280 |
1:1 |
steps |
25 ถึง 40 (น้อยกว่านี้ภาพยังไม่คมที่ CFG ที่ใช้) | 25 |
seed |
0 ถึง 2147483647 | สุ่ม |
prompt, อัตราส่วน, steps และ seed ชุดเดียวกันให้ภาพเดิม guidance คงที่ 3.0 และ negative prompt ตายตัวฝั่ง server
ผลลัพธ์คืน output_path (path เต็มของ PNG ใน work/generated/) พร้อม next_action ที่ขอให้ผู้เรียกส่งไฟล์ให้ผู้ใช้ด้วย tool send_file ถ้า client ของคุณไม่มี tool นี้ ใช้ output_path ได้เลย ใช้เวลาราว 3 นาที
edit_image
แก้ภาพที่มีอยู่ด้วยคำสั่งภาษาอังกฤษ ได้ไฟล์ใหม่ ภาพต้นฉบับไม่ถูกแก้
{
"prompt": "Change the shirt to red. Keep everything else unchanged.",
"image_path": "/absolute/path/to/picture.png",
"steps": 25,
"seed": 42
}
| พารามิเตอร์ | ค่าที่รับ |
|---|---|
prompt |
คำสั่งแก้ภาษาอังกฤษ |
image_path |
path เต็มของ PNG/JPEG/WebP ไม่เกิน 25 MB, 50 ล้านพิกเซล, สัดส่วนกว้างต่อสูงไม่เกิน 4:1 |
steps, seed |
เหมือน generate_image |
image_path ใช้ไฟล์ของคุณ หรือ output_path ของภาพที่เพิ่งสร้าง/แก้ก็ได้ จึงแก้ต่อกันเป็นทอดๆ ได้ ก่อนส่งให้ worker ระบบหมุนภาพตาม EXIF ลงพื้นขาวถ้ามีความโปร่งใส ตัด metadata และย่อเหลือราว 768 px ตามสัดส่วนเดิม ผลลัพธ์จึงมีขนาดราว 768 px ใช้เวลา 3 ถึง 4 นาที
ภาพปกของบทความนี้คือผลของ edit_image จริง: เริ่มจากภาพปกของคู่มือเริ่มต้นใช้งาน แล้วสั่ง Change the landscape on the laptop screen to a red sunset over the sea. Keep everything else unchanged. ด้วย 25 steps, seed 20261106 ได้ภาพ 1024×576 ใน 215 วินาที หน้าจอเปลี่ยนตามสั่ง ส่วนหน้าต่าง ชิป โต๊ะ และแสงคงเดิม ดูคู่ก่อน–หลังได้ในท้ายแกลเลอรี
เขียน prompt ให้ได้ผลดี
สร้างภาพ
- เขียนภาษาอังกฤษ 1 ถึง 3 ประโยคธรรมดา เรียงตาม: subject และรายละเอียด, ฉาก, กล้อง/เลนส์, แสง/อารมณ์, สไตล์
- ยาวไม่เกินราว 300 tokens (เพดานแข็งที่ 512)
- เลือก subject เดียวที่ชัดเจน
- ไม่ต้องใส่ลิสต์แท็กอย่าง “masterpiece, best quality, 8k” ไม่ช่วยและทำให้คนในภาพดูถูกแต่งเกินจริง
- ถ้ามีคนในภาพ ให้ใส่ทุกอย่างที่ผู้ใช้ระบุ (อายุ ผม เสื้อผ้า เชื้อชาติ) โมเดลมักวาดใบหน้าแบบตะวันตกถ้าไม่ระบุ จึงควรเขียน “East Asian” หรือ “Thai” เอง
- ข้อความที่ต้องอยู่ในภาพ ให้ใส่ในเครื่องหมายคำพูดตรงๆ และบอกว่าเขียนอยู่ที่ไหน เช่น a chalkboard sign that reads “HAPPY BEAN COFFEE” การเขียนแค่ “sign that says X” มักได้บรรทัดข้อความเกินมา ส่วนข้อความภาษาไทยในภาพยังไม่ได้วัด
ตัวอย่าง:
A red ceramic teapot on a linen tablecloth, close-up product photograph,
morning window light, soft shadows. Photorealistic photograph.
เลือกอัตราส่วนตามงาน: wallpaper หรือ banner ใช้ 16:9, โปสเตอร์มือถือหรือ portrait ใช้ 9:16, ไม่ระบุใช้ 1:1
แก้ภาพ
บอก เฉพาะสิ่งที่เปลี่ยน แล้วลงท้ายด้วยสิ่งที่ต้องคงไว้ ทีละหนึ่งการเปลี่ยนแปลงต่อครั้ง:
Change the shirt to red. Keep everything else unchanged.
Change the clothes to a red raincoat. Keep the face, hair, pose and background unchanged.
Remove the vase from the table and fill the area naturally with the table and background. Keep everything else unchanged.
ระบุวัตถุให้ชัด (ตำแหน่งหรือสีช่วยได้ เช่น “the man on the left”, “the blue vase”) และสำหรับภาพคน ให้คงใบหน้า เชื้อชาติ และท่าทางไว้ เว้นแต่ผู้ใช้สั่งให้เปลี่ยน ตัวอย่างที่ตรวจด้วยตา (768², 25 steps, seed 5) คือเปลี่ยนเสื้อของชายชราเป็นสีแดง โดยใบหน้า ท่า และพื้นหลังคงเดิมเกือบทุกพิกเซล เป็นตัวอย่างเดียวที่ตรวจละเอียด ไม่ใช่การวัดอัตราสำเร็จ
ข้อผิดพลาดที่พบบ่อย
| สถานการณ์ | ความหมาย | ทำอย่างไร |
|---|---|---|
model_not_ready |
ไฟล์ weights หายหรือขนาดไม่ตรงค่าที่ pin | รัน tools/convert_weights.py ใหม่ ห้ามแก้ค่าที่ pin ให้ผ่าน |
busy |
มีงานอื่นถือ host lock อยู่เกิน 15 นาที | รอแล้วลองใหม่ครั้งเดียว ไม่เปิดงานซ้อน |
| prompt ถูกปฏิเสธ | เกิน 512 tokens | ตัดให้สั้นลง |
| client หยุดรอก่อนได้ผล | timeout ต่อ tool ของ client สั้นกว่า 3 ถึง 4 นาที | เพิ่ม timeout ของ client แล้วดูไฟล์ใน work/generated/ ก่อนเรียกซ้ำ |
ผู้เรียกควรเรียกทีละ tool และรอผล ไม่เรียก generate_image และ edit_image พร้อมกัน เพราะ host lock ทำให้ทั้งสองต่อคิวกัน และไม่ควรเรียกซ้ำเพื่อ “ลองใหม่” ขณะงานเดิมยังรันอยู่
ความคิดเห็น
กำลังโหลดความคิดเห็น...