Imagine MCP

Imagine MCP רץ באופן מקומי מתוך חבילת Python שפורסמה ב-PyPI: imagine-mcp, גרסה 1.11.6. הוא משתמש ב-MCP על גבי stdio, ולכן הלקוח מפעיל אותו כתוכנה ומתקשר איתו דרך קלט ופלט סטנדרטיים. כדי להריץ אותו צריך Python; לקוחות מפעילים אותו בדרך כלל עם uvx (מתוך uv) או אחרי pip install - הפקודה המקובלת היא uvx imagine-mcp. הוא קורא את משתני הסביבה האלה: UNDERSTAND_MODELS, GEMINI_API_KEY (סודי), OPENAI_API_KEY (סודי) ו-XAI_API_KEY (סודי); יש להגדיר אותם בתצורת הלקוח עבור השרת הזה.

Imagine MCP רץ באופן מקומי מתוך אימג' של קונטיינר במרשם OCI כמו Docker Hub או GitHub Container Registry: docker.io/n24q02m/imagine-mcp:latest. הוא משתמש ב-MCP על גבי stdio, ולכן הלקוח מפעיל אותו כתוכנה ומתקשר איתו דרך קלט ופלט סטנדרטיים. כדי להריץ אותו צריך Docker או סביבת ריצה אחרת לקונטיינרים של OCI; ההפעלה היא עם docker run - הפקודה המקובלת היא docker run -i --rm -e UNDERSTAND_MODELS -e GEMINI_API_KEY -e OPENAI_API_KEY -e XAI_API_KEY docker.io/n24q02m/imagine-mcp:latest. הוא קורא את משתני הסביבה האלה: UNDERSTAND_MODELS, GEMINI_API_KEY (סודי), OPENAI_API_KEY (סודי) ו-XAI_API_KEY (סודי); יש להגדיר אותם בתצורת הלקוח עבור השרת הזה.

בפורמט ה-JSON של mcpServers, שלקוחות MCP רבים לדסקטופ ולעורכי קוד קוראים, הרשומה נראית כך (מצייני מקום בסוגריים זוויתיים):

{
  "mcpServers": {
    "imagine-mcp": {
      "command": "uvx",
      "args": [
        "imagine-mcp"
      ],
      "env": {
        "UNDERSTAND_MODELS": "<ערך>",
        "GEMINI_API_KEY": "<סוד>",
        "OPENAI_API_KEY": "<סוד>",
        "XAI_API_KEY": "<סוד>"
      }
    }
  }
}

נגזר מהרשומה במרשם, ולא נבדק כאן. מה השרת עושה, ובאילו תנאים, נקבע על ידי המפרסם שלו; כדאי לבדוק את מאגר הקוד או את האתר שלו לפני שנותנים לו גישה לחשבונות או לקבצים שלך. איך מוסיפים שרת MCP לעוזר AI · לפני שמתחברים