大家好，我是 JavaPub 的宇哥。
前段时间我一直在折腾一件事：
怎么让 Codex、Claude Code、Cursor 这些 AI 编程工具，像 ChatGPT 一样直接帮我生图和改图？
平时我们使用 Codex，更多还是让它写代码、改项目、分析报错。
但实际工作中，经常还会遇到一些图片需求，比如：
- 给项目生成一个 Logo
- 给文章制作封面图
- 给产品做宣传海报
- 根据一张参考图修改文字或背景
- 批量生成网站需要的配图
- 写完前端页面后，顺手补一张占位图
以前遇到这些需求，我通常需要打开另一个生图网站，重新输入提示词，下载图片，再拖回项目目录。
次数少的时候还好，次数多了以后，这个过程就显得有点麻烦。
所以我最近做了一个开源项目：
ChongPlus Image MCP
项目地址：
https://github.com/Rodert/chongplus-image-mcp
简单来说，它可以让支持 MCP 的 AI 客户端直接获得生图和改图能力。
安装完成以后，你不需要单独打开网页，也不需要自己写接口代码。
直接对 Codex 说：
帮我生成一张深蓝色科技风格的 AI 产品宣传图，
画面中央是一台发光的智能终端，比例 16:9。
Codex 就可以调用 MCP 工具生成图片，并把图片保存到本地。
如果你已经有一张图片，也可以直接说：
把这张图片的背景改成深蓝紫色，
主体人物和文字保持不变。
它会自动调用图片编辑接口完成修改。
MCP 到底是什么？
第一次看到 MCP 这个词的朋友，可能会觉得有点复杂。
其实不需要把它想得太神秘。
MCP 可以理解成一套让 AI 调用外部工具的标准协议。
原本 Codex 只会通过聊天回答问题、读取文件和执行代码。
安装 MCP 以后，相当于给它增加了一套新的工具。
例如：
- GitHub MCP 可以让 AI 操作 GitHub
- 数据库 MCP 可以让 AI 查询数据库
- 浏览器 MCP 可以让 AI控制浏览器
- 图片 MCP 可以让 AI生成和编辑图片
而 ChongPlus Image MCP 做的事情，就是把 ChongPlus 的图片接口封装成一组 AI 能够理解和调用的工具。
目前项目提供了以下能力：
- 检查本地是否已经配置 API Key
- 安全保存或替换 API Key
- 根据文字提示生成图片
- 一次生成 1～4 张图片
- 使用本地参考图片进行改图
- 查看支持的图片尺寸和请求限制
- 自动将生成结果保存到本地
生成成功后，MCP 会返回图片的本地绝对路径，因此支持 MCP 的客户端可以直接打开或展示图片。
为什么我要专门做一个 MCP？
其实直接调用图片 API 并不难。
真正麻烦的是，普通用户并不想处理下面这些事情：
接口地址是什么？
请求参数怎么写？
API Key 放在哪里？
图片结果是 Base64 还是 URL？
生成后的文件怎么保存？
改图时图片应该怎么上传？
Codex 如何知道什么时候调用接口？
如果每次都要自己写 Python 脚本，那就失去了使用 AI 工具的意义。
我希望实现的使用体验是：
把 GitHub 仓库地址发给 AI，让 AI 自己安装。
安装完成后，第一次使用时，AI 检查本地有没有配置 API Key。
没有的话，它再向你询问一次。
配置完成后，API Key 会保存在当前电脑的用户配置目录中。之后再次生图或改图，直接复用本地配置，不需要每次重新输入，也不需要手动配置环境变量。
这才是我理解的 AI 工具：
不是给用户增加新的配置工作，而是尽量把复杂步骤藏在后面。
安装前需要准备什么？
安装 ChongPlus Image MCP，需要准备以下内容：
- 一个支持 MCP 的 AI 客户端，例如 Codex、Claude Code、Cursor 或 Claude Desktop。
- 本地安装好
uv和uvx。 - 一个具有图片模型权限的 ChongPlus API Key。
API Key 可以在下面的页面创建：
https://api.chongplus.plus/keys
创建时选择图片生成相关分组即可。
API Key 属于敏感信息，只应该提供给你信任的本地 AI 客户端和 MCP 服务，不要上传到公开仓库，也不要直接写进教程截图里。
最简单的安装方式
这个项目比较推荐的安装方法，不是让大家手动修改一堆配置文件。
你可以直接把下面这段内容发给 Codex 或其他支持 MCP 的 AI 客户端：
请帮我安装并配置 ChongPlus Image MCP：
https://github.com/Rodert/chongplus-image-mcp
请将它安装为本地 stdio MCP Server，启动命令为：
uvx --from git+https://github.com/Rodert/chongplus-image-mcp chongplus-image-mcp
配置完成后，先调用 setup_status 检查本地是否已经保存 API Key。
如果还没有配置，请向我询问 ChongPlus API Key，
然后调用 configure_api_key 将它安全保存到本地配置目录。
后续自动复用已经保存的 Key，
不要让我手动配置环境变量。
接下来让 AI 按照提示完成安装即可。
这也是我比较喜欢的一种方式：
不用研究每个客户端的配置文件放在哪里，先让 AI 自己处理。
项目官方推荐的运行命令是：
uvx --from git+https://github.com/Rodert/chongplus-image-mcp chongplus-image-mcp
它会直接从 GitHub 拉取项目并启动 MCP Server。
手动配置方式
有些朋友可能更喜欢自己配置。
可以在 MCP 客户端的配置文件中加入下面的内容：
{
"mcpServers": {
"chongplus-image": {
"command": "uvx",
"args": [
"--from",
"git+https://github.com/Rodert/chongplus-image-mcp",
"chongplus-image-mcp"
]
}
}
}
保存配置后，重新启动对应的 AI 客户端。
如果配置正确，客户端应该可以识别出名为：
chongplus-image
的 MCP Server。
不同客户端的 MCP 配置文件位置可能不同，但核心启动命令是一样的。
第一次使用
安装完成后，可以先让 AI 检查配置状态：
检查一下 ChongPlus Image MCP 是否已经配置完成。
AI 应该会调用：
setup_status
如果还没有 API Key，它会提示你输入。
你提供 API Key 后，AI 会调用：
configure_api_key
将 Key 保存到本地。
在 macOS 和 Linux 上，默认配置文件通常位于：
~/.config/chongplus-image/config.json
如果设置了 XDG_CONFIG_HOME，则会保存在对应的配置目录中。
Windows 默认位于：
%APPDATA%\chongplus-image\config.json
在 macOS 和 Linux 上，项目还会限制配置目录和文件的访问权限，尽量避免其他普通用户直接读取。
配置成功后，后面就不用重复输入 API Key 了。
用 Codex 生成第一张图片
配置完成以后，可以直接输入：
使用 ChongPlus Image MCP 生成一张图片：
一只穿着黑色连帽衫的程序员猫，
坐在充满显示器的工作台前写代码，
深蓝紫色科技氛围，电影感灯光，
画面比例 16:9。
AI 会根据需要调用：
generate_image
图片生成完成后，会保存到本地目录，并返回生成文件的绝对路径。
你也可以让它一次生成多张，例如：
帮我生成 4 张不同风格的项目 Logo 草图。
项目名称是 ChongPlus，
方向分别为极简科技、未来感、抽象大象和开发者工具。
目前单次可以请求生成 1～4 张图片。
使用参考图片改图
除了文生图，这个 MCP 还支持本地图片编辑。
例如，你的项目目录中有一张：
/Users/yourname/Pictures/poster.png
可以告诉 AI：
使用 ChongPlus Image MCP 编辑这张图片：
/Users/yourname/Pictures/poster.png
保持主体人物、构图和文字不变，
把背景改成深蓝紫色科技风格，
增加轻微的霓虹光效。
AI 会调用：
edit_image
并把本地图片发送到图片编辑接口。
需要注意的是，目前编辑工具接收的是本地文件路径，不直接接收远程图片 URL。
这样设计主要是为了让本地文件的读取范围更加明确。服务也不会因为传入任意路径，就把电脑里的文件内容直接返回给 AI。
它适合哪些人？
我觉得这个项目比较适合下面几类朋友。
1. 经常使用 Codex 或 Claude Code 的开发者
写项目时顺手生成：
- 网站封面
- 默认头像
- UI 占位图
- App 图标
- Logo 草图
- README 配图
不需要离开当前开发环境。
2. 技术自媒体和公众号作者
文章写完以后，可以继续让 AI 根据文章内容生成封面。
例如：
读取当前目录中的 article.md，
总结文章主题，并生成一张适合作为公众号封面的图片。
封面不要出现大段文字。
整个流程可以从写文章一直做到生成配图。
3. 做 AI Agent 的开发者
如果你正在开发自己的 Agent，也可以把这个 MCP 作为图片能力接入。
Agent 原本只能输出文字，安装以后就能根据任务自动决定是否生成图片。
4. 不想自己对接图片 API 的普通用户
很多人并不关心接口格式，也不想维护请求脚本。
大家真正需要的，只是告诉 AI：
帮我画一张图。
剩下的步骤交给工具处理。
MCP 和之前的 Skill 有什么区别？
之前我还做过一个项目：
chongplus-image-skill
Skill 和 MCP 的目标比较接近，都是让 AI 获得图片生成能力，但实现方式有所不同。
Skill 更像是一份交给 Agent 的操作说明，加上配套脚本。
AI 阅读 Skill 后，按照说明执行本地 Python 脚本。
MCP 则是把功能注册成标准工具，例如：
setup_status
configure_api_key
generate_image
edit_image
list_image_options
AI 客户端可以直接识别这些工具的名称、参数和用途。
简单理解：
Skill：教 AI 怎样完成这件事
MCP：直接给 AI 一套可以调用的工具
如果你只使用支持 Agent Skills 的客户端，Skill 会比较轻量。
如果你希望在 Codex、Claude Code、Cursor、Claude Desktop 等多个 MCP 客户端之间使用，我个人更推荐 MCP 版本。
两个项目并不冲突，大家可以根据自己的客户端选择。
常见问题
1. 提示找不到 uvx
说明本地还没有安装 uv。
安装完成后，重新打开终端或 AI 客户端，再执行 MCP 启动命令。
可以先在终端检查：
uvx --version
2. 返回 401 或 403
一般可能是下面几种情况：
- API Key 填写错误
- API Key 已失效
- Key 没有图片模型权限
- 图片分组没有剩余额度
可以先检查 Key 是否选择了正确的图片生成分组。
3. 返回 Cloudflare 1010
如果看到：
403
error code: 1010
通常表示请求在到达图片应用之前，被 Cloudflare 边缘防火墙拦截。
这种情况下，可以记录大概的请求时间，再联系 ChongPlus 支持排查对应的 Cloudflare 防火墙事件。
4. 图片生成成功，但找不到文件
可以让 AI 明确返回生成图片的绝对路径：
请告诉我刚才生成图片的完整本地路径，并帮我打开所在目录。
MCP 工具生成图片后，会返回本地绝对路径。
5. AI 没有自动调用 MCP
有时候客户端虽然已经加载了 MCP，但模型没有主动选择工具。
可以说得更明确一些：
请调用 ChongPlus Image MCP 的 generate_image 工具生成图片，
不要只给我图片提示词。
通常明确指定工具后，就可以正常调用。
我对这个项目的想法
我做这个项目，并不是为了再造一个网页生图工具。
网页生图已经很多了。
我更想做的是：
让每一个 AI Agent 都能方便地获得图片能力。
未来我们使用 AI，可能不会再频繁切换不同网站。
写代码、查资料、处理文件、生成图片和制作内容，都可以在同一个 Agent 对话里完成。
当 Agent 缺少某种能力时，我们只需要给它安装一个 MCP。
缺少数据库能力，就安装数据库 MCP。
缺少浏览器能力，就安装浏览器 MCP。
缺少图片能力，就安装图片 MCP。
这也是我建立 ChongPlus Image MCP 的原因。
它目前还是一个比较新的开源项目，功能不算复杂，但最基础的生图、改图、本地保存和密钥配置流程已经具备。
项目使用 Apache 2.0 开源许可证，代码、测试和使用文档都放在 GitHub 上。开发环境需要 Python 3.10 或更高版本，项目使用 uv 管理和运行，离线测试不需要 API Key。
感兴趣的朋友可以去试一下：
https://github.com/Rodert/chongplus-image-mcp
也欢迎提交 Issue、建议或 PR。
如果你平时正在使用 Codex、Claude Code 或 Cursor，可以尝试给它装上这个 MCP。
以后再需要项目封面、Logo、宣传图或者文章配图时，直接在当前对话里说一句：
帮我生成一张图。
剩下的事情，就交给 AI 和 MCP。
https://codex-zh.com/
