Skillget

museav-mcp

mcp
Security Audit
Warn
Health Pass
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Community trust — 11 GitHub stars
Code Warn
  • process.env — Environment variable access in src/index.ts
Permissions Pass
  • Permissions — No dangerous permissions requested

No AI report is available for this listing yet.

SUMMARY

MCP hub: museav-cli plus satellite tools (music, reel, facet, SkillHub) as one agent service

README.md

museav-mcp

把 museav-cli（MUSE AV 出图中台命令行工具）与
mlx-vlm-kit（Mac 本地看图理解）的能力包装成
MCP server，让 Claude Code / DSH / WorkBuddy / 任意支持 MCP 的 AI Agent 直接调用出图、
图片后期、素材查询与看图理解。

传输方式 stdio。图片以绝对路径传入，处理结果写回磁盘并返回路径 —— 不走 base64，大图不炸上下文。

工具（18 个）

工具 干什么 是否需要登录
gen_background 出背景图 / 一般出图 / 出视频（走中台） ✅ 需要
remove_bg 抠图去背景（BiRefNet / ISNet / U2Net），输出带 alpha 的 PNG 免登录，本地跑
upscale_image 超分放大（Real-ESRGAN + Vulkan GPU），默认 4x 免登录，本地跑
remove_watermark 去水印（LaMa 修复），自动定位，可传手工掩码 免登录，本地跑
compress_image 压缩（sharp），可指定最长边 / 质量 / 格式 免登录，本地跑
list_templates 查可用图片 / 文字模板（挑 template 用，别硬编码） ✅ 需要
list_skills 查可用技能（挑 skill slug 用，别硬编码） ✅ 需要
list_video_templates 查可用视频模板（与 list_templates 平级，配合 gen_background 的 video=true + template） ✅ 需要
list_models 查可用模型；video=true 查视频档次（可直接喂 gen_background 的 model） ✅ 需要
balance 查上游余额 ✅ 需要
list_jobs 查自己的出图工作流（结果 URL、失败原因） ✅ 需要
upload_asset 上传素材拿公网直链（垫图要 URL 时用） ✅ 需要
image_to_template 图生模板：读图 + 文字层逆向 + 变量化 ✅ 需要
reverse 读图反推 SCULPT prompt（中台 API）。与 vlm_reverse_prompt 互补：图像识别默认优先本地 vlm_*，要走 SCULPT 格式再调这个 ✅ 需要
vlm_describe 本地看图理解：描述主体与色调 免登录，本地跑
vlm_ask 对图片任意提问 免登录，本地跑
vlm_cover_check 音乐封面语义质检（batch=true 递归目录） 免登录，本地跑
vlm_reverse_prompt 反推出图 prompt，喂回 gen_background 免登录，本地跑

本地后期那四个和 vlm_* 那四个不联网、不消耗中台额度。

两个「先查再调」

gen_background 的 template / skill 是必填二选一，但 id 和 slug 只能从中台实时拉：
先用 list_templates / list_skills 查真实清单，再传进去。凭印象编一个，中台只会报
「模板不存在」，Agent 分不清是自己拼错了还是真没有。

模板自带哪些占位符看清单里「字段:」那一列，取值用 gen_background 的 fields 传
（JSON 对象字符串）。

前置条件

这个 MCP 只是包装层，真活是两条命令干的：

npm i -g museav-cli      # 出图 / 后期 / 素材（需要 >= 3.6.0）
pipx install git+https://github.com/webkubor/mlx-vlm-kit.git   # vlm_* 四个工具需要

gen_background 还需要中台 apiKey（按 museav-cli 的说明配置）。
本地工具首次运行会下载对应模型（抠图 ~214MB、超分 ~65MB、去水印 ~200MB、
vlm 的 Qwen3-VL-4B 约 2.9GB）。

两个可执行文件不在全局 PATH 时，用环境变量指定绝对路径：
MUSEAV_BIN（museav）、MLX_VLM_BIN（vlm）。

接到 Agent 上

Claude Code 一行：

claude mcp add museav -- npx -y museav-mcp

DSH 在 profile 的 cordis.patch.yml 里加一行：

- id: mcp-museav
  name: '@deepseek-ai/dsh-mcp-client'
  config:
    serverName: museav
    transport: stdio
    command: npx
    args: ['-y', 'museav-mcp']

或手写配置（任意支持 MCP 的 Agent）：

{
  "mcpServers": {
    "museav": {
      "command": "npx",
      "args": ["-y", "museav-mcp"]
    }
  }
}

museav 不在全局 PATH 时：

{
  "mcpServers": {
    "museav": {
      "command": "npx",
      "args": ["-y", "museav-mcp"],
      "env": { "MUSEAV_BIN": "/绝对路径/museav", "MLX_VLM_BIN": "/绝对路径/vlm" }
    }
  }
}

本地开发（改这个仓库时）

pnpm install && pnpm build     # 产物在 dist/，package.json 的 bin 指向它

配置里把 command 换成 node、args 指向 /绝对路径/museav-mcp/dist/index.js 即可。

验证

node test-mcp.mjs      # 起 server 跑 initialize + tools/list，应输出 TOOLS_LIST_OK count = 21

说明

gen_background 的 prompt / skill / template 三者必须且只能提供一个：prompt 是直接给提示词，skill 和 template 是让中台在服务端展开提示词（配合 input 传一句业务描述）。

四个本地后期工具的 out 已存在时，CLI 会拒绝覆盖 —— 这是防手滑的语义，MCP 保留它：
要覆盖就显式传 overwrite: true，否则报错原文会回到 Agent 手里。

list_templates / list_skills 取的是 CLI 的人类可读表格（stderr），因为 stdout 只有裸 id；
list_jobs 取 stdout 的完整 JSON（含 cdn_url / status / error）。清单超过 8000 字会截断，
并附一句「输出已截断」——不附的话 Agent 会把截断处当成清单结尾。

本地工具的超时上限是 10 分钟 —— 超分和 LaMa 修复在大图上确实会慢。

License

MIT

Reviews (0)

No results found