使用说明（Markdown 格式）

• 项目简介

  • 该仓库实现了一个基于 MCP 的服务器端，核心功能包括暴露放大工具、GPU 状态查询、以及模型列表等能力，便于与支持 MCP 的客户端（如 Claude Desktop、Cursor）进行对话式强化任务。
  • 服务器通过 FastMCP 库实现工具注册与执行，提供了 upscale_image、upscale_video、get_gpu_status、release_gpu_memory、list_available_models 等工具。

• 主要功能点

  • MCP 工具注册：upsample 图像、upsample 视频、获取 GPU 状态、释放 GPU 内存、列出可用模型。
  • 通过 MCP 客户端调用外部功能，返回结构化 JSON 响应，便于集成到 LLM 对话能力中。
  • 支持多种运行环境（容器化部署场景）以及与现有 SeedVR2 服务的协同。

• 安装步骤

  • 1. 获取代码：将仓库克隆到本地或在服务器上准备镜像构建环境。
  • 2. 安装依赖：确保 Python 环境可用，安装 FastMCP 等依赖（在容器镜像中通常已打包）。
  • 3. 启动 MCP 服务器：在包含 mcp_server.py 的环境中执行 Python 脚本以启动 MCP 服务端（通常作为 Docker 容器内的进程启动）。
  • 4. 配置客户端：在 MCP 客户端（如 Claude Desktop、Cursor）中按照下面的配置将该 MCP 服务器注册为可用服务。

• 服务器配置（MCP 客户端需要的 JSON 配置示例） 提供的配置用于 Claude Desktop、Cursor 等 MCP 客户端注册，该示例基于仓库中 README 的描述： { "server_name": "seedvr2-upscaler", "command": "docker", "args": ["exec", "-i", "seedvr2-upscaler", "python", "/app/mcp_server.py"] } 说明：

  • server_name 对应 MCP 服务器在客户端的标识名称，与容器名称/服务名称保持一致。
  • command/args 指定通过 Docker 容器执行 MCP 服务器脚本的启动命令与参数，客户端不需要额外的实现细节，只需按此配置建立连接。

• 基本使用方法

  • 客户端向 MCP 服务器发送请求以调用上采样工具，例如 upscale_image/upscale_video，服务器返回处理结果（状态、输出路径、时间等）。
  • 客户端也可查询 GPU 状态、列出模型、释放显存等操作，以便动态管理资源。
  • 若要测试，确保 MCP 服务器正在运行并且客户端能够通过配置找到该服务器的入口。