# Design.md

## 1. 設計方針

| 方針 | 内容 |
|---|---|
| MCP公開面を小さくする | LLMには生成意図に必要な入力だけを公開する |
| 実行設定はTOMLへ集約 | モデル・VAE・LoRA・ControlNet・生成パラメータを一元管理 |
| SD1.x互換に限定 | SDXL / FLUX等は対象外 |
| 依存分離 | MCP層とDiffusion層を直接密結合させない |
| 単一GPU前提 | 生成処理は1本のキューで直列化 |
| ControlNetは固定3種 | Depth / Openpose / Inpaintのみ |
| 過剰な汎用化を避ける | 未使用ControlNetや動的Tool設定は持たない |

---

## 2. 全体アーキテクチャ

```text
MCP Client / LLM
       │
       ▼
┌──────────────────────┐
│ MCP Server           │
│ - tool schema        │
│ - request validation │
└──────────┬───────────┘
           │
           ▼
┌──────────────────────┐
│ ImageGenerationService│
│ - request routing    │
│ - queue control      │
└──────────┬───────────┘
           │
           ▼
┌──────────────────────┐
│ ModelManager         │
│ - checkpoint         │
│ - VAE                │
│ - LoRA               │
│ - ControlNet         │
└──────────┬───────────┘
           │
           ▼
┌──────────────────────┐
│ Diffusers / PyTorch  │
│ CUDA                 │
└──────────────────────┘
```

---

## 3. モジュール構成

```text
generate-image-sd15-mcp/
├─ pyproject.toml
├─ uv.lock
├─ .python-version
├─ config.example.toml
├─ src/
│  └─ mcp_sd15/
│     ├─ __init__.py
│     ├─ cli.py
│     ├─ server.py
│     ├─ config.py
│     ├─ schema.py
│     ├─ service.py
│     ├─ model_manager.py
│     ├─ pipeline_factory.py
│     ├─ preprocessors/
│     │  ├─ depth.py
│     │  └─ openpose.py
│     └─ tools/
│        ├─ generate_image.py
│        ├─ generate_guided_image.py
│        └─ inpaint_image.py
└─ tests/
   ├─ test_config.py
   ├─ test_schema.py
   ├─ test_model_paths.py
   └─ test_tools.py
```

---

## 4. 各モジュールの責務

| モジュール | 責務 |
|---|---|
| `cli.py` | `--config`, `--version`の処理、transport起動分岐 |
| `server.py` | MCP server起動、Tool登録 |
| `config.py` | TOML読込、型変換、validation |
| `schema.py` | MCP入力値・内部request型 |
| `service.py` | Tool要求を生成処理へ振り分け |
| `model_manager.py` | checkpoint / VAE / LoRA / ControlNetの管理 |
| `pipeline_factory.py` | Diffusers pipeline構築 |
| `preprocessors/depth.py` | Midas前処理 |
| `preprocessors/openpose.py` | Openpose / Openpose Full前処理 |
| `tools/*` | MCP Toolからserviceへの薄いadapter |

---

## 5. 起動フロー

| Step | 処理 |
|---|---|
| 1 | CLI引数を解析 |
| 2 | TOMLを読込 |
| 3 | 設定値をvalidation |
| 4 | モデルパスを解決 |
| 5 | checkpoint存在確認 |
| 6 | VAE / LoRA / ControlNet存在確認 |
| 7 | Base SD1.x pipelineを構築 |
| 8 | checkpoint内蔵VAEを確認し、外部VAE指定時は差し替え |
| 9 | LoRAを順次ロード |
| 10 | GPUへ配置 |
| 11 | MCP Toolを公開 |
| 12 | `[server].transport`に従いstdioまたはstreamable-httpでリクエスト待受開始 |

モデル構成の初期化に失敗した場合はToolを公開せず、プロセスを異常終了する。

---

## 6. 設定オブジェクト

推奨内部型:

```python
@dataclass(frozen=True)
class LoRAConfig:
    file: str
    weight: float = 1.0

@dataclass(frozen=True)
class ModelConfig:
    root: Path
    checkpoint: str
    vae: str | None
    loras: tuple[LoRAConfig, ...]

@dataclass(frozen=True)
class GenerationConfig:
    steps: int
    cfg_scale: float
    scheduler: str
    default_size: str
    clip_skip: int = 0
    pad_last_block: bool = False

@dataclass(frozen=True)
class PromptConfig:
    positive: str = ""
    negative: str = ""
```

Pydanticは必須とせず、`tomllib + dataclass + 明示的validation`を基本とする。

---

## 7. モデルパス解決

| 種類 | 解決先 |
|---|---|
| checkpoint | `<root>/checkpoints/<file>` |
| VAE | `<root>/vae/<file>` |
| LoRA | `<root>/lora/<file>` |
| ControlNet | `<root>/controlnet/<file>` |
| prompt | `<root>/prompts/<file>` |

設計上、MCP入力から任意モデルパスを指定することは禁止する。

---

## 8. Diffusers構成

| 機能 | 実装方針 |
|---|---|
| Base model | SD1.x互換checkpointをロード |
| VAE | pipeline componentとして必須。設定された外部VAEがある場合のみ置換 |
| LoRA | 複数adapterをロード |
| LoRA weight | `set_adapters`相当で適用 |
| LoRA fuse | 将来オプション。初期実装では必須としない |
| dtype | FP16 |
| device | CUDA |
| scheduler | TOMLで指定 |
| batch | 1 |
| images per prompt | 1 |
| CPU offload | 初期値OFF |

Schedulerの文字列変換は`PipelineFactory`へ集約し、Tool層とService層には分岐を置かない。

| 設定値 | Diffusers実装 | 追加設定 |
|---|---|---|
| `dpmpp_2m_karras` | `DPMSolverMultistepScheduler` | `algorithm_type="dpmsolver++"`, `solver_order=2`, `use_karras_sigmas=True` |
| `dpmpp_2m_sde_karras` | `DPMSolverMultistepScheduler` | `algorithm_type="sde-dpmsolver++"`, `solver_order=2`, `use_karras_sigmas=True` |
| `euler_a` | `EulerAncestralDiscreteScheduler` | pipeline scheduler configを継承 |
| `ddim` | `DDIMScheduler` | pipeline scheduler configを継承 |
| `lcm` | `LCMScheduler` | pipeline scheduler configを継承 |

LCM-LoRAも通常のLoRAと同じ`[[model.lora]]`でロードする。`lcm`選択時にstepsやCFGを
自動調整せず、TOMLの`generation.steps`と`generation.cfg_scale`をそのままpipelineへ渡す。

---

## 9. ControlNet設計

### 9.1 モード

| MCP mode | ControlNet | Preprocessor |
|---|---|---|
| `depth` | Depth 1.1 | Midas |
| `openpose` | Openpose 1.1 | body |
| `openpose_full` | Openpose 1.1 | body + hand + face |
| `inpaint` | Inpaint 1.1 | mask生成規約に従う |

### 9.2 パイプライン

```text
Depth/Openpose:
input image
   │
   ▼
preprocessor
   │
   ▼
control image
   │
   ▼
StableDiffusionControlNetPipeline
   │
   ▼
PNG
```

```text
Inpaint:
input image + mask
   │
   ▼
ControlNet Inpaint input
   │
   ▼
Inpaint-compatible pipeline
   │
   ▼
PNG
```

### 9.3 ロード方針

8GB級GPUを主対象とするため、ControlNetは必要時ロードを基本候補とする。

| 状態 | 動作 |
|---|---|
| 未ロード | 必要なControlNetをロード |
| 同一ControlNet | 再利用 |
| 別ControlNet要求 | 既存ControlNetを解放後ロード |
| generation中 | 切替禁止 |

---

## 10. MCP Tool設計

### `generate_image`

```text
Input:
- positive_prompt
- negative_prompt?
- size?

Output:
- image/png
- generation metadata
```

### `generate_guided_image`

```text
Input:
- positive_prompt
- negative_prompt?
- control_mode: depth | openpose | openpose_full
- input_image
- size?

Output:
- image/png
- generation metadata
```

### `inpaint_image`

```text
Input:
- positive_prompt
- negative_prompt?
- input_image
- mask_image
- size?

Output:
- image/png
- generation metadata
```

Tool層はDiffusers APIを直接呼ばず、必ずService層を経由する。

---

## 11. 生成キュー

```text
MCP Request
    │
    ▼
asyncio.Semaphore(1)
    │
    ▼
GenerationService
    │
    ▼
GPU
```

| 項目 | 方針 |
|---|---|
| 同時GPU処理 | 1 |
| キュー | FIFO相当 |
| OOM防止 | 並列生成禁止 |
| cancellation | MCP SDKで扱える範囲で対応 |
| timeout | 設定値として追加可能 |

---

## 12. 出力

| 項目 | 仕様 |
|---|---|
| Format | PNG |
| MCP返却 | ImageContent相当 |
| ローカル保存 | 設定により有効化可能 |
| ファイル名 | UUIDまたはgeneration ID |
| metadata | seed, size, mode, timestamp等 |
| prompt保存 | ログ方針により設定 |

---

## 13. エラー設計

| エラー分類 | 例 | 処理 |
|---|---|---|
| CONFIG_ERROR | TOML不正 | 起動失敗 |
| MODEL_NOT_FOUND | モデル未配置 | 起動失敗 |
| MODEL_INCOMPATIBLE | SD1.x非互換 | 起動失敗 |
| INVALID_REQUEST | 不正size / mode | Tool error |
| INVALID_IMAGE | 画像形式不正 | Tool error |
| CUDA_OOM | VRAM不足 | Tool error + GPU状態回復 |
| GENERATION_FAILED | 推論例外 | Tool error |
| INTERNAL_ERROR | 想定外例外 | ログ出力 + Tool error |

---

## 14. pyproject / uv方針

### Runtime依存

| Package | 用途 |
|---|---|
| `mcp` | MCP server |
| `torch` | CUDA 13.2 / Tensor |
| `torchvision` | PyTorch画像model依存 |
| `diffusers` | SD / ControlNet |
| `transformers` | CLIP |
| `peft` | LoRA |
| `safetensors` | モデル形式 |
| `pillow` | 画像I/O |
| `numpy` | 数値処理 |
| `opencv-python` | 画像前処理 |

### Development依存

| Package | 用途 |
|---|---|
| `pytest` | テスト |
| `ruff` | lint / format |
| `pyright` | 型チェック |

### 例

```toml
[project]
name = "generate-image-sd15-mcp"
version = "0.1.0"
requires-python = ">=3.11,<3.12"

[project.scripts]
generate-image-sd15-mcp = "mcp_sd15.cli:main"
```

運用は`pyproject.toml + uv.lock`を基準とする。

---

## 15. テスト設計

| テスト種別 | GPU | 内容 |
|---|---:|---|
| Config parsing | 不要 | TOML読込・型検証・scheduler enum検証 |
| Path resolution | 不要 | モデルパス解決 |
| MCP schema | 不要 | Tool schema検証 |
| Request validation | 不要 | mode / size / image必須条件 |
| Service routing | 不要 | 適切なbackend呼出 |
| Model load smoke | 必要 | checkpoint / VAE / LoRA |
| Txt2Img smoke | 必要 | 512x512生成 |
| Depth smoke | 必要 | ControlNet Depth |
| Openpose smoke | 必要 | Openpose / Full |
| Inpaint smoke | 必要 | mask付き生成 |

---

## 16. 将来拡張

初期設計では以下を実装対象外とする。

| 項目 | 方針 |
|---|---|
| SDXL / FLUX | 対象外 |
| Multi-ControlNet | 対象外 |
| MCPからのモデル切替 | 対象外 |
| 任意width / height | 対象外 |
| batch > 1 | 対象外 |
| LoRA動的追加 | 対象外 |
| Web UI | 対象外 |
| 学習機能 | 対象外 |
| 複数GPU | 対象外 |

必要になった場合のみ、既存のService / ModelManager境界を維持したまま拡張する。