独立多模态生成 MCP Server —— 一条命令，让任意 AI agent 生成图像 / 视频 / 音频
图像 · 视频 · 音频 · 82 个预置模型 · 18 种协议 · 16 家厂商 · 内嵌 WebUI
简体中文 ｜ English
Prismstudio 是一个遵循 Model Context Protocol 的独立服务，让任意支持 MCP 的 AI agent（Claude Desktop、Cursor、Cline、Windsurf、VS Code 等）都能直接调用几十个主流多模态模型生成图像、视频、音频，而无需自己对接各家 API。
它把"配置麻烦"这件事用内嵌 WebUI 解决了：一条命令打开浏览器，选模型、填 Key、试用、一键复制接入配置，体验和桌面应用一样简单。
|
82 个预置模型 · 16 家厂商，国内外一次接齐： 🖼️ 图像 · OpenAI gpt-image · Google Gemini(nano-banana)/Vertex · 豆包 Seedream · 智谱 GLM-Image/CogView · 通义 Qwen-Image · 万相 · Stability · 腾讯混元 · MiniMax · Midjourney 🎬 视频 · Google Veo 3.1 · 智谱 CogVideoX · 豆包 Seedance · 可灵 Kling · MiniMax · 万相 wan2.7 · Qwen HappyHorse · 腾讯混元 🔊 音频 · CosyVoice · Qwen3-TTS · 智谱 GLM-TTS · MiniMax speech/music · 声音克隆 新模型？加一条预设即可，引擎自动分派 18 种协议族。 |
遵循开放 MCP 标准，凡是支持 MCP 的本地 agent 都能直接接入：
接入零代码：WebUI 向导一键复制 |
- 多模态全覆盖：文生图、图生图/编辑、文生视频、图生视频、TTS 语音合成、音乐生成、声音克隆
- 内嵌 WebUI：配置台、试用台、接入向导三合一，零配置门槛，不用手写 JSON；API Key 眼睛切换、完整请求地址与接口协议一目了然
- 动态工具暴露：只有配置好的模态才会暴露给 agent，不产生空壳工具
- 本地运行策略：可限制单次数量、视频时长、4K 与内联体积，在付费请求发出前拦截
- 安全素材白名单：输出目录默认可读，额外参考素材目录需显式加入允许列表
- 可选环境变量密钥：配置文件只保存变量名，不必保存真实 API Key
- 本地优先：凭证明文存在本地
~/.prismstudio/config.json，WebUI 仅绑定127.0.0.1；软件不发送遥测，但 prompt、参考素材和生成请求会按用户配置直接发送给对应 provider
Prismstudio 把「模态 × 厂商」封装成 18 种协议族，引擎内核按配置自动分派到对应 provider。当前共 82 个预置模型：
| 厂商 | 模型 | 能力 |
|---|---|---|
| OpenAI | gpt-image-1 / 2 | 文生图、参考图编辑、透明背景 |
| Google Gemini | flash / flash-lite / pro（nano-banana） | 文生图、多轮编辑、宽高比与分辨率 |
| Google Vertex | flash / flash-lite / pro | Gemini 同款，走 Vertex AI 配额 |
| 豆包 | Seedream（含 3.0 / 4 / 4.5 / 5 / 5-Lite / 5-Pro） | 高质量国产图像；另有 Agent Plan 接入（独立鉴权） |
| 智谱 | GLM-Image、CogView-4 | 国产开源生态 |
| MiniMax | image-01 | 单图生成 |
| 通义万相 | Qwen-Image、Plus / Max / 2-Pro | 阿里云图像 |
| 万相 | wanx2.1-turbo / plus、wan2.7-image / image-pro | 2.7-Pro 支持 4K、多图参考、文字渲染 |
| Stability | SDXL / SD3 / Ultra | 经典 Stable Diffusion |
| 腾讯 | 混元 image v3 / lite | 腾讯云图像 |
| Midjourney | midjourney | 风格化生成 |
| 厂商 | 模型 | 能力 |
|---|---|---|
| 智谱 | CogVideoX 2 / 3 / Flash | 国产开源视频 |
| 豆包 | Seedance（含 1.0-pro / 1.5-pro / 2 / 2-fast / 2-mini） | 字节视频；另有 Agent Plan 接入（独立鉴权） |
| 可灵 | Kling v2 | 高质量国产视频 |
| MiniMax | video-01、Hailuo-2.3 / 2.3-Fast、H3（旗舰） | H3 支持 2K / 15s / 原生立体声 |
| 万相 | wan2.7-t2v、wan2.7-videoedit | 文生视频、视频编辑 |
| 通义 | Qwen HappyHorse | 文/图/参考生视频 |
| 腾讯 | 混元 video v1.5 | 腾讯云视频 |
| Google Gemini | Veo 3.1 / 3.1-fast / 3.1-lite、Omni-flash | 国际顶级视频，支持音频 |
| Google Vertex | Omni-flash | Vertex 配额 |
| 厂商 | 模型 | 能力 |
|---|---|---|
| 智谱 | GLM-TTS、GLM-TTS-Clone | 语音合成、声音克隆 |
| 阿里 | CosyVoice | 通义语音合成 |
| 通义 | Qwen3-TTS（Flash / Instruct / 多方言） | 30+ 内置音色、方言 |
| MiniMax | speech-02 / async、music-2.6 / 3.0（含免费档/翻唱）、voice-clone | TTS、音乐生成、声音克隆 |
| 豆包 | Seed Audio 1.0、Seed TTS 2.0（Agent Plan） | 火山语音合成 |
完整的预设 ID 与对应
protocol/baseUrl/vendor见 预设清单 或--webui配置台下拉。
Prismstudio 是一个 Node.js MCP Server。macOS 和 Windows 默认不自带 Node.js / npm / npx；请先安装 Node.js 20 或更高版本。Node.js 官方安装包通常会同时安装 npm 与 npx。
node -v
npm -v
npx -v如果 node -v 显示 v20.x、v22.x 或更高版本，就可以继续。
macOS
推荐任选一种：
# 官方安装包：下载并安装 LTS 版本
# https://nodejs.org/
# 或 Homebrew
brew install node
# 或 nvm
nvm install --ltsWindows
推荐任选一种：
# 官方安装包：下载并安装 LTS 版本
# https://nodejs.org/
# 或 winget
winget install OpenJS.NodeJS.LTS安装完成后，重新打开终端 / PowerShell，再运行上面的 node -v、npm -v、npx -v 检查。
npx -y prismstudio@latest webui浏览器会自动打开 http://127.0.0.1:17899。WebUI 是按需配置面板，不是常驻服务：
- 只有这条命令运行时才会占用
17899端口 - 关掉终端或按
Ctrl+C后，WebUI 会停止，不再占用电脑内存 / CPU - 配置会保存到本地
~/.prismstudio/config.json，不会因为 WebUI 关闭而丢失 - 已运行的 MCP Server 会监听配置变化；支持 MCP
tools/list_changed的 agent 可自动刷新工具清单，旧客户端可能仍需重启 - 以后需要换模型、改 API Key、测试生成时，再运行同一条命令打开即可
- 设置好一次后，日常在 agent 里生成图片 / 视频 / 音频不需要 WebUI 常驻
在页面里：
- 配置台：为想用的模态（图片/视频/音频）选择预设模型、填写 API Key，点保存
- 试用台：直接生成一张图 / 一段 TTS 验证配置是否生效
- 接入向导：选择你的 agent，一键复制
mcpServers配置 JSON
配置台 · 选模型、填 Key、保存
试用台 · 配好就试，所见即所得
接入向导 · 选 agent，一键复制配置
以 Claude Desktop 为例，编辑配置文件（macOS：~/Library/Application Support/Claude/claude_desktop_config.json）：
{
"mcpServers": {
"prismstudio": {
"command": "npx",
"args": ["-y", "prismstudio@latest"],
"timeoutMs": 1800000
}
}
}如果你的 agent 不支持直接粘贴 JSON，而是逐字段填写表单（如部分 GUI 客户端），按下面的对照填即可：
| 字段 | 填写内容 |
|---|---|
| 名称 / Name | prismstudio |
| 传输方式 / Type | stdio |
| 命令 / Command | npx -y prismstudio@latest |
| 环境变量 / Env | （留空） |
⚠️ 关于超时（timeout）：上面 JSON 里的timeoutMs: 1800000（30 分钟）属于 MCP 客户端的配置项，不是环境变量，无法写进 Env 字段。表单模式下能否设置取决于你的 agent：
- 表单里有独立的 Timeout 字段 → 填
1800000。- 没有 timeout 字段 → 该客户端只能用默认超时（常见 30 秒 / 60 秒），视频 / 音乐等长任务可能被提前切断。建议改用 JSON 粘贴模式（见上方代码块）来带上
timeoutMs。
保存 MCP 配置后，请重启 Claude Desktop / Cursor / Cline / Windsurf 等 agent，让它重新加载 MCP server。重启后，就能在对话中让 agent 生成图片、视频、音频了。
timeoutMs: 1800000表示让 agent 最多等待 30 分钟，推荐保留，避免视频 / 音乐等长任务被客户端 30 秒默认超时提前切断。如果你的 agent 不支持这个字段并报错，删除这一行即可。如果你的 agent 提供“表单 / JSON”切换，请选择 JSON 格式，把 WebUI 接入向导复制出的 JSON 粘贴进去；如果表单里要求填写类型（type），请选择
stdio。
MCP 配置填写提示 · 选择 JSON 格式后粘贴配置
其他 agent 配置
Cursor（~/.cursor/mcp.json）：
{
"mcpServers": {
"prismstudio": { "command": "npx", "args": ["-y", "prismstudio@latest"], "timeoutMs": 1800000 }
}
}Cline / Windsurf / VS Code：同上结构，写入对应 MCP 配置位置即可。
通用 stdio：直接运行 npx -y prismstudio@latest，通过标准输入输出交互。
prismstudio # 以 stdio MCP 模式运行（默认，供 agent 调用）
prismstudio webui # 启动本地 WebUI 配置台（等价于 --webui）
prismstudio --webui # 启动本地 WebUI 配置台（浏览器打开 127.0.0.1:<port>）
prismstudio --webui --port 8080 # 指定 WebUI 端口（默认 17899）
prismstudio --output-dir <path> # 覆盖生成物输出根目录（实际写入其 generated-media 子目录）
prismstudio diagnostics # 输出脱敏诊断、就绪模态、策略与适配器信息
prismstudio --version # 显示版本号
prismstudio --help # 显示帮助环境变量：
| 变量 | 默认值 | 说明 |
|---|---|---|
PRISMSTUDIO_CONFIG |
~/.prismstudio/config.json |
指定配置文件路径（便于多套配置切换） |
只有已配置好的模态才会暴露对应工具（动态工具暴露，避免给 agent 留下一堆用不了的空壳）：
| 工具 | 模态 | 能力 |
|---|---|---|
generate_image |
图片 | 文生图、参考图编辑、多轮迭代优化 |
generate_video |
视频 | 文生视频（异步，1-5 分钟）、图生视频 |
generate_audio |
音频 | TTS 语音、音乐生成、声音克隆 |
每个工具支持丰富的厂商专属参数（如 OpenAI 的 quality/background、Gemini 的 aspectRatio/imageSize、Stability 的 stylePreset、视频的 withAudio/frames 等），详见各工具的 inputSchema。
安全使用多轮编辑： 对同一段图片/视频连续迭代时，在每次 generate_image 或 generate_video 调用中复用同一个 sessionId，例如 "sessionId": "image-edit-20260811-a"。它必须是 1–128 位的无语义标识，以字母或数字开头，后续只可使用字母、数字、点、下划线或连字符；不要在其中放入提示词、文件路径、姓名或 API Key。不同对话必须使用不同 ID。stdio MCP 客户端没有稳定的传输会话标识，因此需要显式传这个字段；省略它时不会自动复用上一轮生成物或会话历史。兼容旧客户端的 session_id 仍可使用，但建议新调用统一使用 sessionId。
生成产物会保存到 <输出目录>/generated-media/：
- 如果没有手动设置
outputDir，默认输出目录是~/prismstudio/generated-media/ - WebUI 试用台的临时试用产物默认保存在
~/prismstudio/playground/ - 图片 / 音频同时以 base64 内联回传给 agent，便于直接预览
- 图片 / 音频默认只在解码后不超过 8 MiB 时内联；超过阈值仅返回本地路径
- 视频体积大，仅返回本地路径
- 若本地输出目录临时不可写，图片 / 音频会作为紧急回退以内联数据返回，避免已计费结果丢失；视频无法安全返回时会明确报错，而不会伪装为成功
~/.prismstudio是用户主目录下的隐藏配置文件夹（文件夹名前有一个点），只保存配置与密钥；生成物默认放在非隐藏的~/prismstudio/，方便直接查看。
如何查看隐藏文件夹：
- macOS Finder：按
Command + Shift + .显示/隐藏隐藏文件；或按Command + Shift + G，输入~/.prismstudio后回车直接打开。 - Windows 文件资源管理器：点击“查看 / View” → “显示 / Show” → 勾选“隐藏的项目 / Hidden items”；也可以按
Win + R，输入%USERPROFILE%\.prismstudio后回车打开。
你也可以直接让 agent 帮你处理文件，例如：
“请把刚才生成的视频复制到我的桌面。” “请把最新生成的图片移动到
/Users/你的用户名/Downloads/作品/。”
配置文件位于 ~/.prismstudio/config.json（可用 PRISMSTUDIO_CONFIG 覆盖）：
明文 apiKey 优先于 apiKeyEnv。使用环境变量时，需要确保启动 MCP Server 的 agent 进程能够继承该变量。maxInputMiB 限制一次请求中所有本地参考图片、音频和视频的累计读取量。诊断日志尽量不记录提示词、凭据、参考路径或输出路径，并在 5 MiB 时滚动；已知请求上下文会在错误落盘前再次脱敏。
同厂商 Key 记忆：每个模态按厂商（vendor）单独记忆 API Key（存在
apiKeyByVendor，并兼容旧的apiKeyByPreset）。同一模态内切换同厂商模型无需重填；图片 / 视频 / 音频三类工具之间不强制共用。火山引擎接入分组：因鉴权方式不同，火山引擎在配置台里拆成三个独立 vendor：火山 API（普通方舟 Ark key）、火山 Agent Plan（Agent Plan 独立 key）、火山语音（语音服务独立 key）。三组各自记忆 Key，互不覆盖。
安全说明：直接填写的凭证以明文存储（与 MCP 生态惯例一致），也可用
apiKeyEnv避免真实密钥写入配置。WebUI 仅绑定127.0.0.1，不加载第三方 CDN 脚本/字体，并通过安全响应头、Origin / Sec-Fetch-Site 校验与 JSON Content-Type 校验降低本机跨站请求风险。详见 SECURITY.md。
# 依赖
bun install
# 开发（直接跑 TS）
bun run dev # stdio 模式
bun run dev:webui # WebUI 模式
# 质量检查
bun run typecheck # 类型检查
bun test # 测试套件
bun run build # 构建到 dist/
bun run check # 类型检查 + 全量测试 + 构建
# 可选：真实 provider 契约冒烟测试；可能产生费用，默认拒绝执行
PRISMSTUDIO_RUN_PAID_CONTRACT_TESTS=1 bun run contract:smoke -- image
# 测试 stdio 握手
echo '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"t","version":"1"}}}' | bun run dev更多见 CONTRIBUTING.md。
┌──────────────────────────────────────────────────┐
│ prismstudio（一个进程、一条命令） │
│ │
│ ┌────────────────────────────────────────────┐ │
│ │ 引擎内核（18 协议族，82 预置模型） │ │
│ │ generateMedia() 统一入口 │ │
│ └────────────────────────────────────────────┘ │
│ ▲ ▲ │
│ │ │ │
│ ┌────────┴───────┐ ┌────────┴─────────┐ │
│ │ stdio MCP 传输 │ │ 内嵌 HTTP WebUI │ │
│ │ (给 agent 用) │ │ (给人配置/试用) │ │
│ └────────┬───────┘ └────────┬─────────┘ │
│ └───────┬────────────────┘ │
│ 共享 ~/.prismstudio/config.json │
└───────────────────────────────────────────────────┘
| 模块 | 职责 |
|---|---|
src/engine/media-generation-engine.ts |
生成内核与协议适配器注册表，裸 fetch 调用各 provider |
src/engine/google-auth.ts |
Google Vertex / Gemini 服务账号鉴权 |
src/config.ts |
配置读写，把结构化配置转成引擎所需的 flat credentials |
src/policy.ts |
生成前成本与资源策略校验 |
src/diagnostics.ts |
脱敏 JSONL 诊断与日志滚动 |
src/persist.ts |
生成产物落盘 + 构造 MCP content 块（纯 node:fs） |
src/mcp-server.ts |
底层 Server + JSON Schema 注册工具，串联引擎/配置/落盘 |
src/index.ts |
CLI 入口，分流 stdio / --webui 两种模式 |
src/webui/server.ts |
HTTP server + REST API（仅 127.0.0.1） |
src/webui/index-html.ts |
Alpine.js 单文件页面（配置/试用台/接入向导） |
MIT © Jacky Huang
{ "image": { "enabled": true, "presetId": "openai-gpt-image-2", // 预设 ID，或 "custom" 手动指定 "apiKey": "sk-...", // 明文存储 "apiKeyEnv": "OPENAI_API_KEY", // 可选；apiKey 为空时从环境变量读取 "model": "...", // 可选，覆盖预设模型（仅 custom 必填） "protocol": "openai-images", // 可选，仅 custom 时有意义 "baseUrl": "..." // 可选，覆盖预设 endpoint }, "video": { /* ... */ }, "audio": { /* ... */ }, "outputDir": "/path/to/out", // 可选，生成物输出根目录 "policy": { "maxOutputs": 4, "maxVideoDurationSec": 15, "allow4k": true, "maxInlineMiB": 8, "maxInputMiB": 128, "allowedInputDirs": ["/path/to/assets"] }, "diagnostics": { "enabled": false, "logFile": "/path/to/diagnostics.jsonl" } }