前言¶
DeepSeek Harness(DSH)的插件生态允许用户在不修改核心逻辑的情况下扩展模型能力。image-gen-mcp 旨在解决模型需要生成图像但缺乏标准接口的问题。通过对接任意兼容 OpenAI 格式的图像生成端点,该插件将标准化的工具暴露给模型,使其能够直接调用图像生成功能。
是什么¶
image-gen-mcp 是一个由 bauerelizabeth07139 维护的 DeepSeek Harness 插件,归属于「模型推理」分类。
它的核心作用是将图像生成能力封装为 MCP(Model Context Protocol)工具。当插件成功挂载后,模型将获得 image_generate(生成图像)和 image_config_status(检查配置状态)两个工具,以及一个内置的技能,用于指导模型在调用工具时遵循正确的流程。
安装与配置¶
环境要求¶
插件运行需要 Node.js ≥ 22。
安装步骤¶
通过 DSH CLI 安装该插件到指定 profile(例如 web):
dsh plugin --profile web add bauerelizabeth07139/image-gen-mcp
在 DeepSeek Harness Desktop 中,可在插件侧边栏的「Add plugin」对话框中输入上述仓库地址,或直接输入 GitHub 简写。
配置说明¶
插件挂载时必须提供后端地址和凭证,否则不会挂载任何工具。配置项通过环境变量或插件配置表注入。
配置项列表:
| 配置项 | 环境变量 | 默认值 | 说明 |
|---|---|---|---|
baseUrl |
IMAGE_GEN_BASE_URL |
无 | 后端基础 URL,不包含 /v1 |
apiKey |
IMAGE_GEN_API_KEY |
无 | 后端 API 密钥 |
model |
IMAGE_GEN_DEFAULT_MODEL |
空 | 默认模型名称;空时在 openai 模式下使用 dall-e-3,generic 模式下使用 gpt-image-1 |
provider |
IMAGE_GEN_PROVIDER |
generic |
指定响应格式:generic(URL响应)或 openai(base64响应) |
timeoutMs |
IMAGE_GEN_TIMEOUT_MS |
30000 |
服务器端的 HTTP 超时时间 |
toolCallTimeoutMs |
- | 120000 |
DSH 每次工具调用的超时预算 |
env |
- | {} |
原始环境变量透传 |
配置示例:
- id: dsh-image-gen-mcp
name: 'dsh-image-gen-mcp'
config:
baseUrl: 'https://api.example.com'
apiKey: 'sk-...'
model: 'gpt-image-1'
provider: 'generic'
安全说明: 插件会显式转发凭证,同时 DeepSeek Harness 会从子进程继承的环境中清理掉类似 KEY、TOKEN、SECRET 等形状的变量,防止凭证泄露。
使用方法¶
插件挂载成功后,模型会自动获得以下两个工具:
-
mcp__image_generation__image_config_status
检查baseUrl和apiKey是否已正确配置。当图像生成失败且原因不明时,应优先调用此工具排查配置问题。 -
mcp__image_generation__image_generate
执行图像生成。必需参数为prompt,可选参数包括model、size、n。
模型会通过插件内置的技能(位于 skills/image-generation/SKILL.md)自动处理工作流:先调用 image_config_status,确认无误后再调用 image_generate,最后返回生成的图片工件或具体的错误信息。
注意事项¶
- 基础 URL 格式:配置
baseUrl时,不要包含/v1,插件会在请求时自动拼接路径。 - 传输协议:DSH 的 MCP 客户端读取换行符分隔的 JSON (NDJSON),而插件后端服务期望的是类似 LSP 的
Content-Length帧格式。插件通过bridge.mjs在两者之间进行字节级的格式转换,否则握手会超时。 - 权限与来源:插件以当前 DSH 进程的权限运行。在使用前,建议查看源码与许可证(MIT),确保符合安全与合规要求。
- 版本兼容:需要 DeepSeek Harness 版本满足
dsh字段中定义的约束(通常为>=0.1.5-rc.1 <0.2.0-0 || >=0.2.0-rc.0 <0.3.0-0)。
结语¶
image-gen-mcp 提供了一种标准化的方式,让模型能够通过 DeepSeek Harness 访问第三方图像生成服务。它通过内置技能减少了模型自行处理工具调用的错误率,适合需要为模型赋予多模态生成能力的场景。