“Azure OpenAI DALL-E 3” MCP 服务器的作用是什么？

Azure OpenAI DALL-E 3 MCP 服务器是一个集成层，通过模型上下文协议（MCP）将 AI 助手和客户端连接到 Azure OpenAI 的 DALL-E 3 图像生成功能。该服务器作为 MCP 兼容客户端与 Azure DALL-E 3 API 之间的桥梁，使开发者和 AI 工作流能够以编程方式根据自然语言提示生成图片、下载已创建的图片，并开展高级图像相关任务。这使得开发流程能够轻松访问强大的视觉生成能力，直接在 AI 工具、自动化或交互式智能体中使用，支持各种创意、设计和内容生成场景。

提示词列表

仓库中未提及任何提示模板。

资源列表

可用文档或代码中未指定任何资源。

工具列表

• generate_image
  使用 Azure OpenAI 的 DALL-E 3 生成图片，可配置参数包括 prompt（必填）、size（图片尺寸）、quality（图片质量）和 style（图片风格）。

• download_image
  从指定 URL 下载生成的图片到本地指定目录，并可自定义文件名。

该 MCP 服务器的使用场景

• AI 驱动的内容创作
  • 让 AI 助手根据用户描述为博客、文章或演示文稿生成原创图片，简化视觉内容设计流程。
• 自动化设计工作流
  • 将图像生成功能集成到设计管道，利用对 DALL-E 3 的可编程访问，实现快速创建模型图、概念图或营销素材。
• 原型设计与头脑风暴
  • 支持创意思维会议，团队可以在产品开发或项目提案中即时将文本想法转化为图片进行可视化。
• 教育和插图应用
  • 帮助教育者或培训师即时生成自定义插图或图表，丰富教学材料和交互体验。
• 机器学习管道的数据增强
  • 利用合成图片扩充机器学习模型的数据集，尤其在视觉数据匮乏的场景下。

如何设置

Windsurf

1. 确保您的系统已安装 Node.js。
2. 克隆或下载 Azure OpenAI DALL-E 3 MCP 服务器仓库。
3. 构建服务器：
   • 运行 npm install
   • 然后运行 npm run build
4. 编辑您的 Windsurf 配置以添加 MCP 服务器：

   {
     "mcpServers": {
       "dalle3": {
         "command": "node",
         "args": [
           "path/to/mcp-server-aoai-dalle3/build/index.js"
         ],
         "env": {
           "AZURE_OPENAI_ENDPOINT": "<endpoint>",
           "AZURE_OPENAI_API_KEY": "<key>",
           "AZURE_OPENAI_DEPLOYMENT_NAME": "<deployment>"
         }
       }
     }
   }
   

5. 保存配置并重启 Windsurf。通过发起 MCP 客户端请求进行验证。

Claude

1. 安装 Node.js 并克隆仓库。
2. 按上述方法构建（npm install, npm run build）。
3. 找到 Claude 的 MCP 服务器配置文件。
4. 使用以下 JSON 片段添加 MCP 服务器：

   {
     "mcpServers": {
       "dalle3": {
         "command": "node",
         "args": [
           "path/to/mcp-server-aoai-dalle3/build/index.js"
         ],
         "env": {
           "AZURE_OPENAI_ENDPOINT": "<endpoint>",
           "AZURE_OPENAI_API_KEY": "<key>",
           "AZURE_OPENAI_DEPLOYMENT_NAME": "<deployment>"
         }
       }
     }
   }
   

5. 保存更改，重启 Claude，并测试图像生成功能。

Cursor

1. 确认已安装 Node.js，克隆并构建仓库。
2. 编辑 Cursor 的配置以添加 MCP 服务器：

   {
     "mcpServers": {
       "dalle3": {
         "command": "node",
         "args": [
           "path/to/mcp-server-aoai-dalle3/build/index.js"
         ],
         "env": {
           "AZURE_OPENAI_ENDPOINT": "<endpoint>",
           "AZURE_OPENAI_API_KEY": "<key>",
           "AZURE_OPENAI_DEPLOYMENT_NAME": "<deployment>"
         }
       }
     }
   }
   

3. 保存并重启 Cursor。通过发起测试请求确认设置。

Cline

1. 安装 Node.js 及依赖项，然后构建（npm install, npm run build）。
2. 找到 Cline 的 MCP 配置文件并插入：

   {
     "mcpServers": {
       "dalle3": {
         "command": "node",
         "args": [
           "path/to/mcp-server-aoai-dalle3/build/index.js"
         ],
         "env": {
           "AZURE_OPENAI_ENDPOINT": "<endpoint>",
           "AZURE_OPENAI_API_KEY": "<key>",
           "AZURE_OPENAI_DEPLOYMENT_NAME": "<deployment>"
         }
       }
     }
   }
   

3. 保存并重启 Cline。测试连接。

密钥安全存储

请在 env 区块使用环境变量，安全存储和引用您的密钥与端点。例如：

{
  "mcpServers": {
    "dalle3": {
      "command": "node",
      "args": [
        "path/to/mcp-server-aoai-dalle3/build/index.js"
      ],
      "env": {
        "AZURE_OPENAI_ENDPOINT": "${AZURE_OPENAI_ENDPOINT}",
        "AZURE_OPENAI_API_KEY": "${AZURE_OPENAI_API_KEY}",
        "AZURE_OPENAI_DEPLOYMENT_NAME": "${AZURE_OPENAI_DEPLOYMENT_NAME}"
      }
    }
  }
}

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到您的 FlowHunt 工作流中，首先添加 MCP 组件到您的流程，并将其与您的 AI 智能体连接：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式插入您的 MCP 服务器信息：

{
  "dalle3": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 智能体即可作为工具使用此 MCP，访问其全部功能。请记得将 "dalle3" 替换为您实际 MCP 服务器的名称，并将 URL 替换为您的 MCP 服务器地址。

概览

从表格可以看出，Azure OpenAI DALL-E 3 MCP 服务器覆盖了基础功能，工具和安全实践明确，但缺乏提示模板、资源定义及明确的根/采样支持。评分反映了其为一个功能型但较简约的 MCP 实现。

MCP 评分