From cba15a62829a0fe57a03c8031f981e8f790e2efc Mon Sep 17 00:00:00 2001
From: tanaka takashi <isazaka@gmail.com>
Date: Sat, 12 Sep 2026 18:04:56 +0900
Subject: feat: Stable Diffusion 1.x MCPサーバを実装
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

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
---
 src/mcp_sd15/images.py | 62 ++++++++++++++++++++++++++++++++++++++++++++++++++
 1 file changed, 62 insertions(+)
 create mode 100644 src/mcp_sd15/images.py

(limited to 'src/mcp_sd15/images.py')

diff --git a/src/mcp_sd15/images.py b/src/mcp_sd15/images.py
new file mode 100644
index 0000000..4b9cf3c
--- /dev/null
+++ b/src/mcp_sd15/images.py
@@ -0,0 +1,62 @@
+"""Safe conversion between MCP Base64 inputs and Pillow images."""
+
+from __future__ import annotations
+
+import base64
+import binascii
+import io
+import json
+from typing import Any
+
+from PIL import Image, PngImagePlugin, UnidentifiedImageError
+
+from .errors import InvalidImageError
+
+MAX_ENCODED_LENGTH = 36_000_000
+MAX_PIXELS = 40_000_000
+SUPPORTED_FORMATS = frozenset({"PNG", "JPEG"})
+
+
+def decode_image(value: str, *, mask: bool = False) -> Image.Image:
+    """Decode a bounded PNG/JPEG Base64 value or data URI and fully validate it."""
+    if not isinstance(value, str) or len(value) > MAX_ENCODED_LENGTH:
+        raise InvalidImageError("image Base64 input is missing or too large")
+    payload = value.strip()
+    if payload.startswith("data:"):
+        try:
+            header, payload = payload.split(",", 1)
+        except ValueError as exc:
+            raise InvalidImageError("malformed image data URI") from exc
+        if header.lower() not in {
+            "data:image/png;base64",
+            "data:image/jpeg;base64",
+            "data:image/jpg;base64",
+        }:
+            raise InvalidImageError("data URI must contain a Base64 PNG or JPEG")
+    try:
+        raw = base64.b64decode(payload, validate=True)
+    except (binascii.Error, ValueError) as exc:
+        raise InvalidImageError("image is not valid Base64") from exc
+    try:
+        with Image.open(io.BytesIO(raw)) as opened:
+            if opened.format not in SUPPORTED_FORMATS:
+                raise InvalidImageError("only PNG and JPEG images are supported")
+            if opened.width * opened.height > MAX_PIXELS:
+                raise InvalidImageError("image pixel count exceeds the safety limit")
+            opened.load()
+            return opened.convert("L" if mask else "RGB")
+    except InvalidImageError:
+        raise
+    except (OSError, UnidentifiedImageError, Image.DecompressionBombError) as exc:
+        raise InvalidImageError("input is not a valid PNG or JPEG image") from exc
+
+
+def encode_png(image: Image.Image, metadata: dict[str, Any]) -> bytes:
+    """Serialize one RGB image as PNG with stable textual generation metadata."""
+    info = PngImagePlugin.PngInfo()
+    for key, value in metadata.items():
+        text = json.dumps(value) if isinstance(value, (dict, list)) else str(value)
+        info.add_text(str(key), text)
+    output = io.BytesIO()
+    image.convert("RGB").save(output, format="PNG", pnginfo=info)
+    return output.getvalue()
-- 
cgit v1.2.3