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

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

1 files changed, 11 insertions, 1 deletions

diff --git a/src/mcp_sd15/pipeline_factory.py b/src/mcp_sd15/pipeline_factory.py
index cd92690..12d95ba 100644
--- a/src/mcp_sd15/pipeline_factory.py
+++ b/src/mcp_sd15/pipeline_factory.py
@@ -28,11 +28,13 @@ class PipelineFactory:
 
     def create_base(self) -> Any:
         torch, diffusers = self._runtime()
+        cache_dir = str(self.config.model.root / "huggingface")
         try:
             pipeline = diffusers.StableDiffusionPipeline.from_single_file(
                 str(self.config.model.checkpoint_path()),
                 torch_dtype=torch.float16,
                 local_files_only=True,
+                cache_dir=cache_dir,
             )
             vae_path = self.config.model.vae_path()
             if vae_path is not None:
@@ -40,6 +42,11 @@ class PipelineFactory:
                     str(vae_path),
                     torch_dtype=torch.float16,
                     local_files_only=True,
+                    cache_dir=cache_dir,
+                )
+            if getattr(pipeline, "vae", None) is None:
+                raise ConfigError(
+                    "the checkpoint does not provide a VAE and no external VAE was loaded"
                 )
             adapter_names: list[str] = []
             adapter_weights: list[float] = []
@@ -69,7 +76,10 @@ class PipelineFactory:
         torch, diffusers = self._runtime()
         try:
             return diffusers.ControlNetModel.from_single_file(
-                str(path), torch_dtype=torch.float16, local_files_only=True
+                str(path),
+                torch_dtype=torch.float16,
+                local_files_only=True,
+                cache_dir=str(self.config.model.root / "huggingface"),
             ).to("cuda")
         except Exception as exc:
             raise ConfigError(f"failed to load ControlNet model {path}: {exc}") from exc