Gemini Image and Audio generation

Servidor MCP para generación de imágenes y audio de Gemini

GitHub

Prueba este MCPPatrocinado

Documentación

Gemini Gen MCP

Servidor MCP para la generación de imágenes y audio con Gemini utilizando los modelos de IA de Google Gemini.

Características

Este servidor MCP proporciona herramientas para:

Generar imágenes a partir de texto utilizando el modelo Flash Image de Gemini
Generar audio a partir de texto utilizando el modelo TTS Gemini 2.5 Flash Preview

Instalación

Desde PyPI

pip install gemini-gen-mcp

Desde el código fuente

git clone https://github.com/ServiceStack/gemini-gen-mcp.git
cd gemini-gen-mcp
pip install -e .

Requisitos previos

Necesitas una clave de API de Google Gemini para usar este servidor. Obtén una en Google AI Studio.

Variables de entorno

Variable	Requerida	Predeterminada	Descripción
`GEMINI_API_KEY`	Sí	-	Tu clave de API de Google Gemini
`GEMINI_DOWNLOAD_PATH`	No	`/tmp/gemini_gen_mcp`	Directorio donde se guardan los archivos generados

Configura las variables de entorno:

export GEMINI_API_KEY='your-api-key-here'
export GEMINI_DOWNLOAD_PATH='/path/to/downloads'  # optional

Los archivos generados se organizan por tipo y fecha:

Imágenes: $GEMINI_DOWNLOAD_PATH/images/YYYY-MM-DD/
Audio: $GEMINI_DOWNLOAD_PATH/audios/YYYY-MM-DD/

Cada archivo generado incluye un archivo .info.json complementario con metadatos de generación.

Uso

Ejecutar el servidor

Ejecuta el servidor MCP directamente:

gemini-gen-mcp

O como módulo de Python:

python -m gemini_gen_mcp.server

Uso con Claude Desktop

Consulta CLAUDE_CONFIG.md para obtener instrucciones detalladas.

Agrega esto a tu claude_desktop_config.json:

{
  "mcpServers": {
    "gemini-gen": {
      "description": "Gemini Image and Audio TTS generation",
      "command": "uvx",
      "args": [
        "gemini-gen-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "$GEMINI_API_KEY"
      }
    }
  }
}

Uso en llms .py

O pega la configuración del servidor en Servidores MCP de llms .py:

Nombre: gemini-gen

{
  "description": "Gemini Image and Audio TTS generation",
  "command": "uvx",
  "args": [
    "gemini-gen-mcp"
  ],
  "env": {
    "GEMINI_API_KEY": "$GEMINI_API_KEY"
  }
}

Servidor de desarrollo

Para desarrollo, puedes ejecutar este servidor usando uv:

{
  "mcpServers": {
    {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/path/to/ServiceStack/gemini-gen-mcp",
        "gemini-gen-mcp"
      ],
      "env": {
        "GEMINI_API_KEY": "$GEMINI_API_KEY"
      }
    }
  }
}

Herramientas disponibles

text_to_image

Genera imágenes a partir de descripciones de texto utilizando los modelos de generación de imágenes de Gemini.

Parámetros:

prompt (cadena, requerido): Descripción de texto de la imagen a generar
model (cadena, opcional): Modelo de Gemini a utilizar
- gemini-2.5-flash-image (predeterminado)
- gemini-3-pro-image-preview
aspect_ratio (cadena, opcional): Relación de aspecto para la imagen generada (predeterminado: "1:1")
- Compatibles: 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9
temperature (flotante, opcional): Temperatura de muestreo para la generación de imágenes (predeterminado: 1.0)
top_p (flotante, opcional): Parámetro de muestreo de núcleo (opcional)

Ejemplo:

{
  "prompt": "A serene mountain landscape at sunset with a lake",
  "model": "gemini-2.5-flash-image",
  "aspect_ratio": "16:9",
  "temperature": 1.0
}

text_to_audio

Genera audio/voz a partir de texto utilizando los modelos TTS de Gemini. La salida se guarda en formato WAV.

Parámetros:

text (cadena, requerido): Texto a convertir en voz
model (cadena, opcional): Modelo TTS de Gemini a utilizar
- gemini-2.5-flash-preview-tts (predeterminado)
- gemini-2.5-pro-preview-tts
voice (cadena, opcional): Voz a utilizar para la generación de voz (predeterminado: "Kore")

Voces disponibles:

Voz	Estilo	Voz	Estilo	Voz	Estilo
Zephyr	Brillante	Puck	Animado	Charon	Informativo
Kore	Firme	Fenrir	Excitado	Leda	Juvenil
Orus	Firme	Aoede	Fresco	Callirrhoe	Relajado
Autonoe	Brillante	Enceladus	Entrecortado	Iapetus	Claro
Umbriel	Relajado	Algieba	Suave	Despina	Suave
Erinome	Claro	Algenib	Grave	Rasalgethi	Informativo
Laomedeia	Animado	Achernar	Suave	Alnilam	Firme
Schedar	Uniforme	Gacrux	Maduro	Pulcherrima	Directo
Achird	Amigable	Zubenelgenubi	Casual	Vindemiatrix	Gentil
Sadachbia	Vivaz	Sadaltager	Conocedor	Sulafat	Cálido

Ejemplo:

{
  "text": "Hello, this is a test of the Gemini text to speech system.",
  "model": "gemini-2.5-flash-preview-tts",
  "voice": "Kore"
}

Desarrollo

Configurar el entorno de desarrollo

# Clone the repository
git clone https://github.com/ServiceStack/gemini-gen-mcp.git
cd gemini-gen-mcp

# Install in editable mode with dependencies
pip install -e .

Ejecutar pruebas

# Install test dependencies
pip install pytest pytest-asyncio

# Run tests
```bash
# uv run pytest tests -v
npm test

Licencia

Este proyecto está licenciado bajo la Licencia MIT: consulta el archivo LICENSE para más detalles.

Contribuciones

¡Las contribuciones son bienvenidas! No dudes en enviar una Solicitud de Extracción (Pull Request).