在 Claude Code 中生成图像：2 分钟搞定 MCP 配置

图像生成 MCP 服务器是让 Claude 具备“画画”能力的关键拼图：Claude 负责撰写提示词并调用 generate_image 工具，服务器负责在真实模型（在我们的案例中是 Google 的 Nano Banana 系列模型）上渲染并返回图片 URL。Claude 本身并不会画画——Anthropic 至今未发布过任何图像生成模型，因此尽管 Claude Code 和 Claude Desktop 能够非常完美地识别图像，却无法直接生成图像。

如果你只是想快速找到解决方案，可以直接按照这一步操作：在你的 BananaBanana 个人中心创建一个 API Key，然后在终端运行以下命令：

claude mcp add --transport http bananabanana https://bananabanana.pro/api/mcp \
  --header "Authorization: Bearer bb_live_YOUR_KEY"

这就是全部安装流程。不需要部署本地服务器，也不需要 Google Cloud 账号，更没有任何订阅费。费用从预充值余额中扣除，图像单张 $0.03 起，视频单个 $0.10 起。为了让这篇指南更具说服力，我们说句大实话：本文中的所有配图和插画，都是 Claude Code 在撰写本文的过程中，通过我们这个 MCP 服务器直接生成的。全部媒体制作费用一共是 $1.29（包含一次重新生成），账单明细见文章末尾。

为什么 Claude 无法自行生成图像？

Anthropic 专注于构建文本 and 推理模型。它的视觉能力是单向的：Claude 可以识别分析你的屏幕截图和照片，但其模型家族中完全没有图像生成功能，目前也未曾公布过相关计划。ChatGPT 内置了图像模型，但 Claude 没有。

对此，开源社区给出的方案是本地 MCP 服务器——GitHub 上有一大堆这类项目，而且确实管用。但这里的“安装”意味着：你得在本地运行进程、配置 Node 或 Python 环境、在每台机器的配置文件中手动关联服务器。最关键的一点是，你必须提供自己的 Google API Key，所有费用都记在你的 Google 账户下，你还得自己管理配额和控制台。如果是一个开发者在自己电脑上折腾着玩，那无所谓。但对其他人来说，这无异于搞了一个小型基础设施项目。

而远程 MCP 服务器则彻底改变了这种局面。服务器已经在我们这边运行，后台架构与支持 BananaBanana 生成器 的完全一致。你只需用一个 API Key 进行身份验证，从余额中按次付费。无论是在笔记本上的 Claude Code、同事电脑上的 Claude Desktop，还是浏览器中的 claude.ai，配置方法完全相同，真正做到了免维护。

如何将 Claude Code 连接到图像生成 MCP 服务器？

仅需 2 分钟、3 个步骤。首先，注册并打开 Profile（个人中心） → MCP API Keys。创建 API Key：它只会显示一次，以 bb_live_ 开头，我们在后台以哈希加密形式存储，所以请立即复制保存。新账户自带 $0.20 的初始体验余额，足够你在决定是否充值前，使用最便宜的模型生成 3 张测试图片。

Claude Code

运行前面提到过的那条命令即可：

claude mcp add --transport http bananabanana https://bananabanana.pro/api/mcp \
  --header "Authorization: Bearer bb_live_YOUR_KEY"

这些命令行参数可以在 Claude Code MCP 文档 中找到；对于远程服务器，官方推荐使用 HTTP 传输协议。在会话中运行 /mcp 即可确认连接是否处于活动状态：你应该能看到 7 个工具（从 list_models 到 get_result）。从这一刻起，“为这篇帖子生成一张 16:9 的首图”就变成了一条 Claude Code 真正能够执行的指令。

Claude Desktop 与 claude.ai

在 Claude Desktop 或 claude.ai 中，操作路径为 Settings（设置） → Connectors（连接器） → Add custom connector（添加自定义连接器），然后将 https://bananabanana.pro/api/mcp 粘贴为服务器 URL。对于 API Key，请展开 Request headers（请求头）部分，添加一个 Authorization 头，其值为 Bearer bb_live_YOUR_KEY。请务必输入完整的值（包括 “Bearer” 单词和空格）。根据 Anthropic 的连接器文档，Claude 会原封不动地发送该请求头，不会自行添加任何前缀。

说个实在的温馨提示：连接器中的请求头验证（Request-header auth）目前仍处于 Beta 阶段，Anthropic 正在逐步推广，因此你的账户现在可能还没有显示该选项。不过，你也可以采用在任何运行 Claude Desktop 的环境都适用的备用方案：通过 claude_desktop_config.json（路径为 Settings → Developer → Edit Config）中的 mcp-remote 桥接器来添加服务器，这需要你的系统已安装 Node.js：

{
  "mcpServers": {
    "bananabanana": {
      "command": "npx",
      "args": [
        "-y", "mcp-remote", "https://bananabanana.pro/api/mcp",
        "--header", "Authorization: Bearer bb_live_YOUR_KEY"
      ]
    }
  }
}

这两种方法，以及针对其他客户端的原始 JSON-RPC 配置示例，都可以在 MCP 服务器页面 找到：

它能在 Claude 之外的客户端上使用吗？

当然可以。MCP 是一种开放协议，因此任何支持 Streamable HTTP 且能够添加 Authorization 请求头的客户端都可以连接到同一个端点：例如 Gemini CLI、Z.ai 的 ZCode、各种编辑器智能体。另外，由于 Codex 已经支持远程 MCP，因此你也可以通过同一个 config.toml 配置项（根据 Codex MCP 文档，即 url 加上 bearer_token_env_var），在 ChatGPT 桌面端应用、Codex CLI 和 IDE 插件中进行连接。xAI API 则允许通过 server_url 在每次请求中挂载 MCP 服务器。唯一落后的是那些基于 OAuth 构建、不支持直接粘贴 API Key 的 Web 网页端对话框——比如 ChatGPT 的网页版连接器，以及 grok.com 基于 URL 的自定义连接器。我们会在 MCP 服务器页面 上持续更新各个客户端的完整配置表格及代码片段；本文仍将重点放在 Claude 上。

场景一：为你正在撰写的文章生成首图

这是最日常的使用场景。你正在用 Claude Code 起草一篇博客文章，需要一张页眉首图。你只需对它说：“帮我生成一张 16:9 的社论风格首图，主题是数据库缓存，使用图书馆作为隐喻。” 接着，Claude 会自动构建提示词并进行调用：

→ generate_image {"prompt": "Editorial illustration for a developer blog post
   about database caching: a small librarian robot placing three glowing books
   onto a tiny fast bookshelf in the foreground, a huge dim archive hall
   stretching far behind it, soft pastel background, dark ink details, accents
   of violet and warm amber, clean minimal composition, generous negative
   space, no text", "model": "nano-banana-pro", "aspect_ratio": "16:9"}
← {"job_id": "cmxq…", "status": "processing", "cost_charged_usd": 0.11,
   "balance_remaining_usd": 4.89}
→ get_result {"job_id": "cmxq…"}
← {"status": "completed", "files": [{"url": "https://bananabanana.pro/api/files/…"}]}

以下就是该提示词直接生成的图片，一次成功，未经过任何重新生成：

费用：使用 Nano Banana Pro 模型生成 1K 分辨率图片，花费仅 $0.11。智能体（Agent）会自动从签名 URL 下载文件并放入代码仓库，然后撰写好图片的 alt 替代文本。下载链接的有效期为 24 小时；过期后，可以通过 get_result 重新获取新的有效链接。

场景二：省去摄影师，直接制作产品实拍图

在制作营销样机图时，摄影风格的提示词能发挥极大的威力。你可以像给摄影师写拍摄简报一样来描述画面：拍摄主体、垫板表面、光源、镜头。

→ generate_image {"prompt": "A photorealistic product photo of a matte
   sage-green ceramic pour-over coffee set on a pale linen tablecloth, soft
   diffused daylight from a window on the left, gentle shadows, shallow depth
   of field, eye-level shot with a 50mm lens, minimal warm styling, no text",
   "model": "nano-banana-pro", "aspect_ratio": "1:1"}

说句大实话：这张照片我们生成了两次。第一张图打眼一看挺好，但仔细观察就会发现杯子和托盘融在了一起，变成了一个盖子一样的怪异形状——物体的几何结构正是写实类 AI 模型目前最容易翻车的地方，所以在发布产品图之前，务必要放大仔细检查。使用相同的提示词重新生成一次后，问题迎刃而解：两次一共花费了 $0.22，而不是 $0.11。不过，我最喜欢的并不是这张图本身，而是接下来的操作：你可以调用 edit_image 工具，传入已完成图片的 job_id 以及诸如“将背景改为纯白并添加柔和阴影”的指令。无需重新描述整个场景即可进行多轮微调，且每次修改仅按单张图片计费。对于制作商品目录等工作来说，这种闭环流程式的操作正是“专业工具”与“玩具”之间的本质区别。

场景三：在多张图片中保持角色一致性

品牌吉祥物、漫画分镜、故事板等都要求在不同画面中保持角色形象的一致。通过 MCP，我们的工作方法是制作一个“角色卡（Character sheet）”：即让智能体在每次调用提示词时，都粘贴一段固定的角色描述。在这篇文章里，我们的角色卡是：“一个小型快递机器人，拥有圆形的哑光青色头部、一只友好的黄色大眼睛、乳白色的箱形身体（隐约可见黄铜螺丝），以及一个带有黄铜扣的帆布邮差包。” 以下展示两个不同场景，调用了两次，每次花费 $0.11：

关于生成效果，我不说虚的：整体算是不错，但并不完美。邮差包、黄色的眼睛、乳白色且带有螺丝的机身都很好地延续了下来，但机器人的头部形状从纯圆形变成偏向头盔的形状，而且黄昏那张图的画风也变得有些偏向美式插画风。这就是仅靠文本锚定的局限性。而使用参考图可以完美解决这个问题，我们的 网页版生成器 在 Nano Banana Pro 模型下最多支持上传 5 张角色参考图，但目前 MCP 的 generate_image 工具还不支持输入图片。我们的 角色一致性实用指南 详细介绍了这两种方法，并列出了哪些特征最容易发生偏差。

场景四：在同一个对话中生成视频片段

视频生成同样通过这台服务器运行，但我们增加了一项额外安全防护。视频片段的制作成本要高于静态图片（顶级 Veo 3.1 渲染最高可达 $4.40），因此调用 generate_video 时绝不会在第一次请求就直接扣费。它会先返回一个报价，智能体需要再次发起调用并明确接受该金额才能开始制作：

→ generate_video {"prompt": "Aerial drone shot rising slowly over terraced tea
   fields at sunrise, thin mist drifting in the valleys, golden light catching
   the ridges, smooth cinematic camera motion, wide shot",
   "model": "veo-3.1-fast", "duration": 6, "resolution": "720p"}
← {"status": "confirmation_required", "quoted_cost_usd": 0.52, …}
→ generate_video {…same arguments…, "confirm_cost": 0.52}
← {"job_id": "cmxr…", "status": "processing", "cost_charged_usd": 0.52}

以下就是由 Veo 3.1 Fast 生成的 6 秒无声 720p 视频，一次成功：

视频生成通常需要 1 到 10 分钟，因此智能体可以在继续处理其他工作的同时轮询 get_result。如果你需要声音，可以通过同一个工具调用 Omni Flash 模型，费用为每秒 $0.10，音频始终开启，你可以设置时长——从 3 到 10 秒不等。它也支持图像作为输入：你可以传入已生成图像的 job_id（或一个公开链接）作为首帧，并添加最多十张参考图像以保持角色一致性，然后智能体便能对其进行动画制作。但末尾帧和循环视频仍需要使用网页版生成器。

本文中的所有图片均通过此工作流生成

如果换做我是读者，我肯定也想要看到证据，所以这里还原一下具体的操作闭环：Claude Code 撰写了本文的一部分，根据我们的整体品牌风格构思了一个插画提示词，调用了生成工具，等待了大约二十几秒，检查返回的图片，然后在继续写作之前插入带有 alt 描述的 Markdown 代码。对于你在这里看到的全部媒体素材，我们一共进行了 8 次调用：6 张图像和 1 个视频是一次成功，而咖啡器具那张图则在仔细检查时发现杯碟融合，因此重新生成了一次。在 8 次调用中仅重新制作了 1 次，这已经超出了我的预期。唯一一个不是由 AI 生成的素材是文档页面的屏幕截图，它是通过浏览器工具截取的。

这些生成的图片谈不上完美（正如前面提到的，快递机器人的头部很有“它自己的想法”）。但关键在于，“插图配图”不再是一个独立的生产环节。写文章的同一个对话，顺手就把配图也给做好了，而这所有的花费加起来，大概也就相当于一张公交车票钱。

本文媒体素材的实际花费是多少？

以下所有费用均按照我们 定价页面 上的标准单次生成价格计费，这些价格与 list_models 向智能体报告的完全一致。绝无任何员工内部折扣。

由于这些图片要在公开网页上展示，所以我们全程使用了顶级的图像模型。如果退而求其次，在起草阶段使用单次仅需 $0.03 的 Nano Banana 2 Lite 模型，那么图像部分的账单费用将从 $0.77 骤降至 $0.21；我们的 Lite 版指南 详细介绍了在什么情况下这种高性价比的模型就足够满足需求。

准备好亲自尝试了吗？立即 连接 BananaBanana MCP 服务器 并让 Claude 为你生成第一张图片吧。

常见问题 (FAQ)

BananaBanana MCP 服务器能与 Claude 以外的其他客户端配合工作吗？

可以，它支持任何兼容 Streamable HTTP 且允许附加 Authorization 请求头的 MCP 客户端：包括 Claude Code、Claude Desktop、Gemini CLI、用于 GLM-5.2 的 Z.ai ZCode、诸如 Cursor 或 VS Code 等编辑器智能体。通过 Codex 的远程 MCP 支持，它还能在 ChatGPT 桌面端应用、Codex CLI 和 IDE 插件中使用，它们共享一个包含 url 和 bearer_token_env_var 的 config.toml 配置项。xAI API 则允许通过 server_url 在单次请求中挂载 MCP 服务器。目前尚不确定的是：ChatGPT 的网页版连接器目前是通过 OAuth 验证身份，而非直接粘贴 API Key；而 grok.com 的自定义连接器对话框中只接受 URL，没有提供明确的 API Key 输入框。因此，这两者后续可能都需要我们计划支持 of OAuth 2.1 验证规范。我们在 MCP 服务器页面 上维护了实时更新的各客户端配置方法表格；另外，如果你是自己开发工具，也已经可以直接通过 JSON-RPC 进行直连。

我需要准备 Google API Key 或 Google Cloud 账号吗？

完全不需要，而这也是我们打造这款服务器的主要原因。GitHub 上那些本地图像生成 MCP 服务器需要直接调用 Gemini API，因此它们必须使用你自己的 Google AI Studio API Key，这意味着你必须自己管理配额和账单。但在我们这里，生成任务运行在 BananaBanana 托管的 Vertex AI 密钥池中，你唯一需要用到的凭证就是你个人中心里的 bb_live_ 密钥。你完全不需要接触 Google 控制台，Google 也绝对不会向你收费。这也是一个公平透明的权衡：你虽然无法直接享受到 Google 的原始 API 批发价和底层的参数控制权，但换来的是无需最低消费的按次付费、自动化的密钥轮换，以及可在 MCP 服务器、网页版生成器和 Telegram 应用之间共用的统一余额。如果你的密钥不小心泄露了，只需一键注销并重新生成即可，不会对其他任何服务产生影响。

MCP 服务器是如何计费的？

我们采用预充值余额按次扣费的模式，没有任何订阅费。你充值余额后，每次生成都会从余额中扣除对应的单价：图像生成单次在 $0.03 到 $0.20 之间（具体取决于选用的模型和分辨率）；视频单次在 $0.10 到 $4.40 之间（取决于模型、时长、分辨率以及是否有声音）。智能体会提前预知所有价格：list_models 会返回实时价格，且每次调用视频生成（以及任何多图批量生成）都必须先获取报价，并在实际扣款前通过 confirm_cost 予以确认。每次调用返回的结果中都会报告 cost_charged_usd（本次产生费用）和 balance_remaining_usd（当前剩余余额），因此费用明细是直接呈现在对话日志中的。如果生成失败，费用将自动退回。如果你担心智能体在后台“刷单”跑飞，可以在 Profile → MCP API Keys 中为每个密钥设置每日消费限额（USD Cap），并随时审计详细的密钥使用日志（记录了调用的工具、模型、花费及提示词预览）。

如果在执行任务的过程中余额归零了，会发生什么？

下一个收费的工具调用会报错，抛出包含充值链接的 INSUFFICIENT_BALANCE 错误，智能体会将该信息原封不动地反馈给你。系统不会允许账户余额透支出现负数，绝对没有自动扣款或意外账单。所有免费工具（list_models、get_account、get_result、list_generations）仍会继续保持工作，因此已经生成的素材依然可以正常下载访问，且在余额耗尽前就已经开始渲染的任务也会正常完成（因为扣费只在任务开始时一次性收取）。在实际操作中，Claude 只会向你报告调用失败并附带充值链接，然后继续处理任务中的其他免付费部分。为了防患于未然，你可以关注每次结果返回的 balance_remaining_usd，或者让智能体在执行大批量任务前调用 get_account 检查一下账户余额。

内容过滤器会拦截什么？被拦截的提示词会扣费吗？

上游的 Google 模型会应用其自身的安全过滤机制。当生成请求被拒时，我们的服务器会统一返回 SAFETY_FILTERED 状态码，而不是返回 Google 内部各种细分的拦截原因。拦截的类别完全符合 Gemini 和 Veo 的标准规范：如涉及未成年人的色情内容、露骨暴力、真人深度伪造（Deepfakes）等。此外，过滤器偶尔也会对一些完全无辜的提示词产生误报，这是上游大厂的设定，我们也不用避讳。计费原则非常简单：被完全过滤的生成任务会自动全额退款；对于视频生成，由于 Google 有时仅过滤输出的部分帧，退款将按比例计算。总之，你只需为你实际接收到的媒体内容付费。如果你的提示词频繁触发拦截，建议修改其中可能引起歧义的词汇细节，而不是机械性地反复提交相同文本。

我通过 MCP 服务器生成的图像所有权归谁？

归你所有。根据我们的 条款，生成的图像和视频版权完全属于你，你可自由用于个人和商业用途（具体需遵守底层模型提供商的相关条款）。我们不会对你生成的任何内容主张所有权，你提交的提示词同样完全归你所有。在实际使用中有两点存储细节需要特别注意：首先，get_result 返回的 URL 是有效期为 24 小时的签名链接，所以请及时下载你需要长期保存的素材，或者通过再次调用 get_result 刷新获取新的下载链接。其次，生成的媒体文件会在服务器端保留 30 天，之后会被永久删除——我们的 MCP 服务器只是一个生成管道，而不是一个永久性的存储档案馆。此外，通过 MCP 生成的所有内容也会同步显示在网页版账户的生成历史记录中，你可以在 30 天的保留期内直接登录网站进行浏览和重新下载。