# generate_image test assets

## Root

```text
C:\Users\isaza\src\python\ollama-web\data\mcp\sd15-mcp\data
```

## Model

| Item | Value |
|---|---|
| Repository | `stable-diffusion-v1-5/stable-diffusion-v1-5` |
| File | `checkpoints/v1-5-pruned-emaonly.safetensors` |
| Size | 4,265,146,304 bytes |
| SHA-256 | `6ce0161689b3853acaa03779ec93eafe75a02f4ced659bee03f50797806fa2fa` |
| License | CreativeML OpenRAIL-M |
| Source | <https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5> |

`generate_image`の動作確認に必要なbase checkpointだけを配置している。VAEはcheckpoint内蔵の
ものを使用し、LoRAとControlNetは使用しない。

## Supporting files

`huggingface/`には、単一checkpointをDiffusersでオフラインロードするために必要な公式の
pipeline構成、scheduler構成、component構成、CLIP tokenizerがcacheされている。

サーバは`model.root/huggingface`を明示的なcache directoryとして使用し、
`local_files_only=true`でモデルをロードする。

## Configuration

動作確認用設定は`config.generate-image.toml`である。

```powershell
uv run mcp-sd15 --config data\config.generate-image.toml
```

生成PNGは`outputs/`へ保存される。

## Verification

- configの読込とcheckpointパス検証: 成功
- Safetensors header/tensor index読込: 成功、1,145 tensors
- SHA-256照合: Hugging Face掲載値と一致
- ネットワーク遮断状態でのDiffusers pipeline構築: 成功
- CPU smoke inference: 成功
  - prompt: `a small red cube on a white table`
  - seed: `42`
  - size: `64 x 64`
  - steps: `1`
  - output: `outputs/model-smoke-64.png`

- CUDA runtime: PyTorch `2.14.0+cu132` / CUDA `13.2`
- GPU: NVIDIA GeForce RTX 5050、8,151 MiB
- MCP `generate_image` 512px GPU inference: 成功
  - size: `512 x 512`
  - steps: `20`
  - output: `outputs/generate-image-mcp-512.png`
  - generation elapsed: 約19秒

## Safety note

Diffusersのsingle-file pipelineではsafety checkerが自動ロードされず、現在のサーバ出力は
フィルタされない。公開サービスとして提供する場合は、ライセンス条件を確認したうえで
safety checkerまたは同等の出力制御を別途実装すること。