====== MCP Image: MCP server pro generování a editaci obrázků přes Gemini a OpenAI ======

//Vytvořeno: **11.04.2026** | Aktualizováno: **~~LASTMOD~~**//

[[https://github.com/shinpr/mcp-image|MCP Image]] je MCP server pro generování a editaci obrázků přes Gemini nebo OpenAI pro MCP klienty jako Claude Code, Cursor nebo Codex. Podle README automaticky rozšiřuje stručné prompty, volí rozumné výchozí parametry a nabízí více úrovní kvality bez nutnosti ručně řešit každý detail. Ve výchozím stavu používá Gemini / Nano Banana, ale přes proměnnou prostředí umí běžet i proti OpenAI ''gpt-image-2''.

Pokud jde konkrétně o praktické zprovoznění jiného obrázkového MCP serveru v OpenCode, navazuje na to [[ai:mcp:servery:gemini-mcp|Gemini MCP v OpenCode]].

===== Co server umí =====

  * Automaticky optimalizuje prompt přes Subject–Context–Style framework.
  * Nabízí tři quality presety: ''fast'', ''balanced'' a ''quality''.
  * Umí generování i editaci existujících obrázků přes ''inputImagePath''.
  * Podporuje různé poměry stran, vyšší rozlišení a více výstupních formátů.
  * Podle README umí i volitelné režimy jako character consistency, world knowledge nebo Google Search grounding; Google Search grounding je ale použitelný jen u Gemini provideru.

===== Předpoklady =====

Podle README je potřeba:

  * Node.js 22 nebo novější
  * Gemini API klíč z [[https://aistudio.google.com/apikey|Google AI Studio]] pro Gemini provider
  * OpenAI API klíč pro OpenAI provider
  * u OpenAI také org verification pro použití ''gpt-image-2''
  * MCP klient, který umí připojit externí server

===== Základní konfigurace =====

README ukazuje konfiguraci pro Claude Code, Cursor a Codex. Pro Claude Code vypadá základní přidání serveru takto:

<code bash>
claude mcp add mcp-image --scope user \
  --env GEMINI_API_KEY=your-api-key \
  --env IMAGE_OUTPUT_DIR=/absolute/path/to/images \
  -- npx -y mcp-image
</code>

Důležité je nepřidávat API klíč do verzované konfigurace nebo do repozitáře. Výstupní adresář ''IMAGE_OUTPUT_DIR'' má být absolutní cesta. Pokud není nastavený, README uvádí výchozí ''./output'' v aktuálním pracovním adresáři.

==== Důležité proměnné prostředí ====

  * ''IMAGE_PROVIDER=gemini'' – výchozí provider; používá Nano Banana 2 / Pro přes ''GEMINI_API_KEY''
  * ''IMAGE_PROVIDER=openai'' – OpenAI provider; používá ''gpt-image-2'' přes ''OPENAI_API_KEY''
  * ''GEMINI_API_KEY'' – API klíč pro Gemini
  * ''OPENAI_API_KEY'' – API klíč pro OpenAI
  * ''IMAGE_OUTPUT_DIR'' – absolutní cesta pro ukládání vygenerovaných obrázků
  * ''IMAGE_QUALITY'' – výchozí preset kvality (''fast'', ''balanced'', ''quality'')
  * ''SKIP_PROMPT_ENHANCEMENT=true'' – vypnutí automatického rozšíření promptu

==== Více providerů současně ====

Provider se volí při startu serveru přes ''IMAGE_PROVIDER''. Jeden běžící server-instance tedy používá právě jeden provider a nejde ho přepínat per-request.

Pokud je potřeba používat Nano Banana i OpenAI, je vhodné přidat do konfigurace MCP klienta dvě samostatné instance pod různými jmény, například ''mcp-image-nano'' a ''mcp-image-gpt''. Každá instance má vlastní ''IMAGE_PROVIDER'' a vlastní API klíč. Tool se v obou případech jmenuje ''generate_image'', ale v MCP klientovi se rozliší podle názvu serveru nebo session prefixu.

===== Quality presety =====

  * ''fast'' – nejrychlejší režim pro iterace a drafty
  * ''balanced'' – kompromis mezi rychlostí a kvalitou
  * ''quality'' – nejvyšší kvalita za cenu pomalejšího běhu a vyšší ceny

Podle README se pro ''fast'' a ''balanced'' používá Nano Banana 2 a pro ''quality'' Nano Banana Pro. U OpenAI provideru se quality presety mapují na hodnoty podporované OpenAI: ''fast'' → ''low'', ''balanced'' → ''medium'', ''quality'' → ''high''.

U OpenAI se také ''aspectRatio'' mapuje na nejbližší podporovanou velikost. Google Search grounding přes ''useGoogleSearch'' OpenAI provider nepodporuje.

===== Referenční obrázky =====

Pro editaci nebo práci s referenčním obrázkem se používá parametr ''inputImagePath''. Nepředává se base64 ani URL, ale absolutní cesta k souboru na disku:

<code json>
{
  "inputImagePath": "/absolute/path/to/reference.png"
}
</code>

Server si soubor přečte sám a interně ho převede na base64 pro Gemini nebo OpenAI API. Přes MCP protokol tedy jde jen krátký string s cestou k souboru, ne velký base64 blob v JSON-RPC.

Omezení referenčních obrázků:

  * Podporovaný je jeden vstupní obrázek na jedno volání.
  * ''blendImages'' je jen hint pro model, nepřidává druhý soubor.
  * Cesta musí být absolutní.
  * Soubor musí existovat a musí být ve formátu PNG, JPEG nebo WebP.
  * Maximální velikost je 10 MB.
  * URL není podporovaná; obrázek z URL je potřeba nejdřív stáhnout do souboru a až potom předat lokální cestu.
  * Bezpečnostní kontroly zakazují ''..'' a null byte; symlinky se resolvují přes ''realpath''.

Příklad stažení referenčního obrázku z URL před voláním toolu:

<code bash>
curl -L "https://example.com/reference.png" -o /tmp/reference.png
</code>

Potom se do toolu předá ''/tmp/reference.png'' jako ''inputImagePath''.

===== Praktické poznámky =====

  * Automatická optimalizace promptu dává smysl hlavně tehdy, když se zadávají krátké nebo neurčité prompty.
  * Pokud je potřeba mít prompt plně pod kontrolou, lze enhancement vypnout přes ''SKIP_PROMPT_ENHANCEMENT=true''.
  * Pro editaci obrázku se používá ''inputImagePath'' a README vyžaduje absolutní cestu k souboru.
  * README uvádí podporu formátů PNG, JPEG a WebP do 10 MB.
  * Vyšší rozlišení a vyšší preset kvality zvyšují čas generování i cenu volání API.
  * Pokud se má používat Gemini i OpenAI, je potřeba spustit dvě oddělené instance serveru.

===== Kdy to dává smysl =====

Tento server dává smysl hlavně tehdy, když MCP klient sám neumí nativní generování obrázků a je potřeba přidat externí server s jednoduchým ovládáním. Repozitář zároveň nabízí i samostatný skill pro psaní promptů; ten je podle README vhodný spíš pro nástroje, které už generování obrázků mají vestavěné.

===== Související článek k OpenCode =====

Tento článek je obecný přehled MCP serveru ''mcp-image''. Pokud jde o konkrétní praktické zprovoznění obrázkového MCP serveru v OpenCode přes ''ultimate-gemini-mcp'', navazuje na to [[ai:mcp:servery:gemini-mcp|Gemini MCP v OpenCode]].

===== Zdroje =====

  * [[https://github.com/shinpr/mcp-image|MCP Image na GitHubu]]
  * [[https://aistudio.google.com/apikey|Google AI Studio – Gemini API klíč]]