Geração de mídia MCP

O MCP de geração de mídia expõe a geração de imagens e de fala (texto‑para‑fala) da AIVAX para qualquer cliente compatível com MCP. Use‑o quando um agente, IDE, assistente de desktop ou ambiente de automação precisar criar imagens ou áudio falado sem chamar as APIs de geração diretamente ou executar uma inferência de modelo AIVAX.

A AIVAX hospeda este servidor MCP e realiza as gerações para a conta autenticada. As ferramentas usam os mesmos modelos, faturamento e limites aplicáveis que a Image Generation e a Speech Generation.

Endpoint #

https://inference.aivax.net/v1/mcp/media-generation

O servidor usa HTTP Streamable. Autentique as requisições com uma chave de API da conta:

Authorization: Bearer <AIVAX_API_KEY>

Para tipos de chave e opções de autenticação, veja Authentication.

Exemplo de configuração #

A forma exata da configuração depende do cliente MCP. O exemplo a seguir habilita todas as ferramentas:

{
  "servers": {
    "aivax-media": {
      "type": "http",
      "url": "https://inference.aivax.net/v1/mcp/media-generation",
      "headers": {
        "Authorization": "Bearer <AIVAX_API_KEY>",
        "X-Mcp-Enabled-Tools": "list_models, generate_image, generate_speech"
      }
    }
  }
}

Após a conexão do cliente, ele pode descobrir e chamar as ferramentas habilitadas através dos métodos padrão tools/list e tools/call do MCP.

Selecione quais ferramentas são expostas #

Use o cabeçalho de requisição opcional X-Mcp-Enabled-Tools para controlar quais ferramentas o servidor expõe a esse cliente. Forneça uma lista separada por vírgulas contendo qualquer um dos valores list_models, generate_image e generate_speech.

Expose apenas geração de imagens:

X-Mcp-Enabled-Tools: list_models, generate_image

Expose apenas geração de fala:

X-Mcp-Enabled-Tools: list_models, generate_speech

Os nomes das ferramentas não diferenciam maiúsculas de minúsculas, e espaços ao redor dos valores separados por vírgula são ignorados.

• Se o cabeçalho for omitido, todas as ferramentas são expostas.
• Se o cabeçalho listar ferramentas reconhecidas, somente essas ferramentas são expostas.
• Se o cabeçalho estiver vazio ou não conter nomes de ferramentas reconhecidas, nenhuma ferramenta será exposta.

Mantenha list_models habilitado junto com uma ferramenta de geração para que o agente possa descobrir nomes de modelos válidos em vez de adivinhá‑los. Como a descoberta de ferramentas pode ser armazenada em cache pelo cliente MCP, reconecte ou atualize o servidor após alterar esse cabeçalho.

Ferramentas #

list_models #

Lista os modelos disponíveis para geração de imagens ou fala, incluindo a descrição e o preço de cada modelo. Modelos de imagem também indicam se aceitam imagens de referência. Modelos de imagem obsoletos não são listados.

Entrada:

Argumentos de exemplo:

{
  "type": "audio"
}

A ferramenta devolve a lista de modelos como texto MCP. Use o nome do modelo retornado como argumento model da ferramenta de geração correspondente. Chamar esta ferramenta não tem custo.

generate_image #

Gera de uma a quatro imagens a partir de um prompt e devolve suas URLs.

Entrada:

Argumentos de exemplo:

{
  "prompt": "A flat illustration of a lighthouse at dusk, warm palette, no text",
  "model": "<IMAGE_MODEL_NAME>",
  "count": 2
}

A ferramenta devolve as URLs das imagens geradas como texto MCP. As URLs são de acesso público, portanto quem as tem pode abrir a imagem. Baixe e armazene as imagens se seu fluxo de trabalho precisar mantê‑las sob seu próprio controle de acesso.

Para orientação de prompt e comportamento de imagens de referência, veja Image Generation.

generate_speech #

Sintetiza fala a partir de texto e devolve a URL do áudio MP3 gerado.

Entrada:

Argumentos de exemplo:

{
  "input": "Your order has shipped and should arrive on Thursday.",
  "model": "<SPEECH_MODEL_NAME>",
  "instructions": "Friendly and calm, moderate pace."
}

A ferramenta devolve a URL do áudio MP3 como texto MCP. A URL é pública, então quem a possui pode reproduzir o áudio. Ao contrário da API de geração de fala, esta ferramenta não devolve o áudio embutido nem oferece outros formatos de saída; converta o arquivo baixado se seu fluxo de trabalho precisar de WAV ou OGG.

As vozes variam por modelo de fala. Para seleção de voz e orientação de preparação de texto, veja Speech Generation.

Preços e limites #

Chamadas de geração usam o mesmo preço da Image Generation e da Speech Generation e são cobradas na conta autenticada. Consulte Pricing para taxas atuais e regras de faturamento.

As gerações estão sujeitas aos limites de serviço e taxas de conta da conta. Consulte Plans and Limits para limites atuais e comportamento de aplicação.

Um saldo de conta positivo é necessário para usar essas ferramentas.

Orientações de segurança #

Use o MCP apenas a partir de clientes confiáveis e mantenha a chave de API no armazenamento seguro do cliente. Não coloque a chave em controle de versão, código do lado do navegador, prompts compartilhados ou logs.

As URLs de mídia gerada são públicas. Não gere imagens ou áudios contendo informações pessoais, confidenciais ou sensíveis, a menos que o fluxo de trabalho leve em conta essa exposição. Revise os ativos gerados quanto à precisão e adequação antes de publicá‑los.