Funktionsöversikt
Flux MCP Server erbjuder följande kärnfunktioner:- Text-till-bild-generering — Generera högkvalitativa bilder via textpromptar
- Bildredigering — Redigera befintliga bilder baserat på textinstruktioner
- Stöd för flera modeller — Stöd för flera modeller som Flux Pro, Flux Dev, Flux 2 och Flux Kontext
- Modellfrågor — Visa alla tillgängliga modeller och deras funktioner
- Uppgiftsfrågor — Övervaka genereringsförloppet och hämta resultat
Förberedelser
Innan användning behöver du hämta en AceData Cloud API-token:- Registrera dig eller logga in på AceData Cloud-plattformen
- Gå till sidan Flux Images API
- Klicka på 「Acquire」 för att hämta API-token (den första ansökan inkluderar gratis kredit)
Metod ett: Använd hostad MCP Server (rekommenderas, noll installation)
AceData Cloud har redan hostat Flux MCP Server i molnet, utan behov av att installera några lokala beroenden. Fyll bara i följande URL direkt i AI-klienten för att använda den:Authorization: Bearer din API-token i förfrågningshuvudet (Claude.ai slutför detta automatiskt via OAuth, så du behöver inte fylla i token manuellt).
Claude.ai (webbversion, OAuth-inloggning, enklast)
- Öppna Claude.ai → Customize längst ned till vänster → Connectors → Add More
- Fyll i följande vid URL:
https://flux.mcp.acedata.cloud/mcp - Slutför OAuth-auktoriseringsinloggningen (omdirigeras automatiskt till AceData Clouds inloggningssida)
- Återgå till konversationsgränssnittet, så kan verktygen användas
Claude Desktop
Redigera konfigurationsfilen:- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
Claude Code (terminalkommandorad)
VS Code (GitHub Copilot)
Skapa.vscode/mcp.json i projektets rotkatalog:
Cursor
Skapa.cursor/mcp.json i projektets rotkatalog:
Andra klienter som stöder MCP
Alla klienter som stöder MCP Streamable HTTP-protokollet (Windsurf, Cline, ChatGPT Connectors, Gemini CLI, JetBrains AI Assistant osv.) kan integreras genom att fylla i följande två uppgifter:- URL:
https://flux.mcp.acedata.cloud/mcp - Header:
Authorization: Bearer din API-token
Metod två: Kör lokalt (pip / uvx-installation)
Om du behöver köra offline, anpassa koden eller distribuera till ett internt nätverk kan du installera MCP Server lokalt och starta den via stdio.Installation
Installation med pip (rekommenderas):mcp-flux-pro för att starta tjänsten.
Använd i Claude Desktop (lokalt)
Redigera Claude Desktops konfigurationsfil:- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
uvx (utan att installera paketet i förväg):
Använd i VS Code / Cursor (lokalt)
Skapa.vscode/mcp.json i projektets rotkatalog:
uvx:
Lista över tillgängliga verktyg
Användningsexempel
Efter att konfigurationen har slutförts kan du direkt anropa dessa funktioner med naturligt språk i AI-klienten, till exempel:- 「Hjälp mig att använda Flux för att generera en stadsnattvy i cyberpunkstil」
- 「Ändra bakgrunden i det här fotot till en strand」
- 「Använd modellen Flux Kontext Pro för att redigera den här bilden och ändra klädernas färg till röd」
- 「Lista alla tillgängliga Flux-modeller」
Mer information
- GitHub-repository: AceDataCloud/FluxMCP
- PyPI-paket: mcp-flux-pro
- API-dokumentation: Flux bildgenererings-API
Modell- och storleksbegränsningar
flux-2-flex、flux-2-pro、flux-2-max och Kontext-modellerna måste använda
proportioner för size, till exempel 1:1 eller 16:9, och kan inte använda pixeldimensioner som 1024x1024.
flux-2-klein stöder endast generering och ingår inte bland de valbara modellerna i flux_edit_image.
flux_generate_video skiljer mellan t2v、i2v、v2v och
draft_enhance via request.mode, och indata visas beroende på läge. Utkastsförbättring måste referera till sitt eget tillfälliga draft_task_id.
Inskick är som standard asynkront, behåll det returnerade uppgifts-ID:t och använd flux_get_task för att läsa resultatet.
