Prismstudio

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 · 60 个预置模型 · 14 种协议 · 13 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。

核心卖点

市面上主流模型，几乎全覆盖

60 个预置模型 · 13 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 14 种协议族。

一个 MCP，适配任意 agent

遵循开放 MCP 标准，凡是支持 MCP 的本地 agent 都能直接接入：

• Claude Desktop
• Cursor
• Cline
• Windsurf
• VS Code (Copilot Chat)
• … 以及任何 stdio MCP 客户端

接入零代码：WebUI 向导一键复制 mcpServers JSON，粘进 agent 配置即可。写一次配置，所有 agent 共用。

还有这些

• 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
• 本地优先：凭证明文存在本地 ~/.prismstudio/config.json，WebUI 仅绑定 127.0.0.1，不上传任何数据

能力总览

Prismstudio 把「模态 × 厂商」封装成 14 种协议族，引擎内核按配置自动分派到对应 provider。当前共 60 个预置模型：

图像生成（28 个模型 / 文生图 · 图生图 · 编辑）

| 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 4 / 4.5 / 5 / 5-Lite） | 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 | wanx-2.1-turbo / plus | 高性价比 | | 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 |

视频生成（19 个模型 / 文生视频 · 图生视频 · 异步）

| 厂商 | 模型 | 能力 | |---|---|---| | 智谱 | CogVideoX 2 / 3 / Flash | 国产开源视频 | | 豆包 | Seedance（含 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 | 视频生成 | | 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 |

音频生成（13 个模型 / TTS · 音乐 · 声音克隆）

| 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（含免费档/翻唱）、voice-clone | TTS、音乐生成、声音克隆 |

完整的预设 ID 与对应 protocol/baseUrl/vendor 见 预设清单 或 --webui 配置台下拉。

系统要求

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。

检查是否已安装

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。

安装 Node.js

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 --lts

Windows

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。

快速开始

第 1 步：按需打开 WebUI 完成配置（推荐首次使用）

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
• 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：

1. 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
2. 试用台：直接生成一张图 / 一段 TTS 验证配置是否生效
3. 接入向导：选择你的 agent，一键复制 mcpServers 配置 JSON

第 2 步：接入到你的 agent

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。

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。

命令参考

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>   # 覆盖生成物输出目录
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） |

提供的 MCP 工具

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。

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
• 视频体积大，仅返回本地路径

~/.prismstudio 是用户主目录下的隐藏文件夹（文件夹名前有一个点）。配置文件、默认生成产物和 WebUI 试用产物都会放在这里。

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/。”

配置文件说明

配置文件位于 ~/.prismstudio/config.json（可用 PRISMSTUDIO_CONFIG 覆盖）：

{
  "image": {
    "enabled": true,
    "presetId": "openai-gpt-image-2",  // 预设 ID，或 "custom" 手动指定
    "apiKey": "sk-...",                  // 明文存储
    "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，生成物输出目录
}

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：凭证以明文存储（与 MCP 生态惯例一致）。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。生产环境请自行做好文件权限管控。详见 SECURITY.md。

本地开发

# 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/

# 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。

架构

┌──────────────────────────────────────────────────┐
│  prismstudio（一个进程、一条命令）                     │
│                                                   │
│  ┌────────────────────────────────────────────┐  │
│  │  引擎内核（14 协议族，60 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，按「模态 × 协议族」分派，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/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） |

License

MIT © Jacky Huang