generate-image-sd15-mcp.git/src/mcp_sd15/pipeline_factory.py, branch v0.1.0

transformersを4.x系に固定し、text encoder付きLoDA読み込み時の

2026-09-12T13:26:13+00:00

IndexErrorを解消。あわせて外部VAEロードの既存バグも修正した。問題: kohya形式LoRA（pixelartV3, pixel_f2, pixel sprites等）のロード時に Diffusers内部でIndexError: list index out of rangeが発生し、サーバが起動失敗していた。LCM LoRAはtext encoderキーを含まないため成功していた。原因: Transformers 5.x系のCLIPTextModel.named_modules()が返すモジュール名（encoder.layers.0.self_attn.k_proj）と、Diffusersがkohya形式LoRAを PEFT形式へ変換後のキー（text_model.encoder.layers.0...lora_B.weight）の間でtext_model.プレフィックスの有無が不一致となり、rank_dictが空になって get_peft_kwargsでlist(rank_dict.values())[0]がIndexErrorになる。 Transformers 4.x系ではnamed_modules()がtext_model.プレフィックス付きのモジュール名を返すため、PEFTキーと一致し正常にロードできる。対応: transformers>=4.45,<5 に固定。4.x系最新版の4.57.6を採用。これに伴いdiffusers 0.40.0→0.39.0、huggingface-hub 1.31.0→0.36.2、 tokenizers 0.23.2→0.22.2に変更された。peft 0.20.0は変更なし。 LoDAロード処理のコードは変更せず、標準APIのpipeline.load_lora_weights() をそのまま使用。モンキーパッチやキー書き換え等の互換性パッチは追加していない。あわせて外部VAEロードの既存バグも修正: AutoencoderKL.from_single_fileがネットワークからconfig.jsonを取得しようとして失敗する問題を、_vae_config_dir()でローカルhuggingface cache内のvae/config.jsonディレクトリを動的に見つけてconfigパラメータに渡すことで解消。変更内容: - pyproject.toml: transformers>=4.45 を transformers>=4.45,<5 に変更 - uv.lock: transformers 5.17.0→4.57.6, diffusers 0.40.0→0.39.0, huggingface-hub 1.31.0→0.36.2, tokenizers 0.23.2→0.22.2 - pipeline_factory.py: _vae_config_dir()メソッド追加、VAEロード時に configパラメータでローカルconfigディレクトリを指定 - tests/test_pipeline_factory.py: _vae_config_dirをモンキーパッチ、 VAE config引数の検証追加 - script/smoke_matrix.py: 10パターン網羅検証スクリプト追加 (4 checkpoint × VAE × 4種LoRA × scheduler) 検証: - ruff format/check、pyright 0 errors、pytest 61 passed - 実GPU・実モデルで10パターン全て成功（10 ok / 0 fail） - 4種checkpoint単体: 全て成功 - 外部VAE差し替え: 成功 - pixel sprites / pixelartV3 / pixel_f2: 全て成功（IndexError解消） - LCM LoRA + lcm scheduler: 成功 - animekawa + 外部VAE + pixelartV3 + euler_a: 成功

feat: SD 1.x向けScheduler対応を5種類に整理

2026-09-12T11:12:17+00:00

generation.schedulerの正式対応値をdpmpp_2m_karras、dpmpp_2m_sde_karras、euler_a、ddim、lcmに限定し、既定値をdpmpp_2m_karrasへ変更する。旧dpmpp_2m、eulerおよび未知値は起動時の設定validationで拒否する。 Scheduler生成処理をPipelineFactoryへ集約する。DPM++ 2M系はDPMSolverMultistepSchedulerを共用し、algorithm_type、solver_order=2、use_karras_sigmas=Trueで通常版とSDE版を切り替える。Euler Ancestral、DDIM、LCMは現在のpipeline scheduler configを引き継いで構築する。 LCM-LoRAは既存のmodel.lora設定から通常のLoRAとして読み込み、LCM選択時にもstepsとcfg_scaleを自動調整せずTOML値をそのまま使用する。MCP Tool schemaにはscheduler入力を追加しない。 Specifications.md、Design.md、config.mdおよびconfig.example.tomlのenum、既定値、対応表、設定例を新仕様へ統一する。5 schedulerの変換、DPM++ constructor option、旧値と未知値の拒否、省略時の既定値、MCP schema非公開をテストで検証する。検証: ruff check、ruff format --check、pyright、pytest（39 passed）、インストール済みDiffusersで5 schedulerの実インスタンス構築を確認。

feat: CUDA 13.2でgenerate_imageの実GPU生成に対応

2026-09-12T09:52:14+00:00

CPU版PyTorchが選択されていた依存設定を修正し、RTX 5050上でStable Diffusion 1.5のMCP generate_imageを実行できる構成へ更新。併せてVAEとLoRAの仕様・実装・テストを明確化した。 CUDA / 依存管理: - torch 2.14.0+cu132とtorchvision 0.29.0+cu132をruntime依存へ固定 - PyTorch CUDA 13.2のexplicit indexとtool.uv.sourcesをuv設定へ追加 - uv.lockをCUDA wheelに更新し、uv sync後もCPU版へ戻らないよう修正 - RTX 5050の認識、CUDA 13.2 runtime、GPU FP16演算を確認モデル・オフライン実行: - model.root配下のhuggingface cacheをDiffusersへ明示的に渡すよう変更 - checkpoint、外部VAE、ControlNetのsingle-file loadをlocal_files_onlyで統一 - SD 1.5 checkpointと公式pipeline構成・tokenizerによるオフラインloadを確認 - data/config.generate-image.tomlにText-to-Image用最小設定を追加 - data/MODELS.mdにモデル出典、容量、SHA-256、cache構成、検証結果を記録 - 4.27GBのcheckpoint、cache、生成画像はGit管理対象外を維持 VAE / LoRA: - Stable Diffusion pipelineではVAE componentが必須であることを仕様・設計・設定文書に明記 - model.vaeはVAEの有無ではなく外部VAE差し替えの任意設定であることを明確化 - checkpoint内蔵VAEも外部VAEもない場合はpipeline初期化を失敗させる検証を追加 - 複数LoRAを起動時にロードし各weightでset_adaptersする既存動作を文書化 - generate_imageを含む全生成ツールへ設定済みLoRAが共通適用されることを明記 - 外部VAE差し替え、VAE欠落、複数LoRA適用のunit testを追加動作確認: - 実backendとin-process MCP Clientを使うsmoke_generate_image.pyを追加 - RTX 5050でSD 1.5、512x512、20 stepsのgenerate_imageを実行 - PNG ImageContent返却とseed、size、mode、timestamp、処理時間metadataを確認 - GPU生成時間18.313秒 - pytest: 32 passed - Ruff lint/format: passed - Pyright: 0 errors, 0 warnings - uv lock check: passed

feat: Stable Diffusion 1.x MCPサーバを実装

2026-09-12T09:04:56+00:00

仕様書・設計書に基づき、ローカルCUDA GPU上のStable Diffusion 1.x互換モデルをMCP経由で利用するサーバを新規実装。実装内容: - generate_image、generate_guided_image、inpaint_imageの3ツールをMCP SDK v2で公開 - TOMLからcheckpoint、VAE、複数LoRAと重み、ControlNet、生成設定を読み込み - モデル種別ごとの固定ディレクトリ解決と起動時の設定・ファイル存在検証を追加 - Depth/MiDaS、OpenPose body/full、ControlNet Inpaintの前処理とパイプライン切替を実装 - FP16/CUDA、1枚固定生成、ControlNetオンデマンドロード、単一GPU直列実行を実装 - Base64 PNG/JPEG入力の形式・サイズ検証と任意のdata URI入力に対応 - seed、サイズ、モード、時刻、処理時間をPNG metadataへ記録 - 任意のローカルPNG保存、生成エラー分類、CUDA OOM後のキャッシュ回復を追加 - --configと--versionを備えたstdio CLIエントリポイントを追加開発・運用: - Python 3.11およびuvによる依存・lock管理を構成 - config.example.tomlとセットアップ・運用手順をREADMEへ追加 - Ruff、Pyright、pytestの設定を追加 - 設定、パス解決、schema、画像検証、サービスルーティング、排他制御、MCP画像返却をテスト検証結果: - pytest: 30 passed - Ruff lint/format: passed - Pyright: 0 errors, 0 warnings - CLI versionおよびMCPクライアント経由のPNG返却を確認 - 実GPU smoke testはCUDA GPUとモデルファイルがないため対象外