image-to-design-mcp

# gauss-mcp 基于 `uv` 管理的 Python MCP server，用于把本地图片导入为方案，并通过 job 协议提供可轮询的进度与结果。 ## 当前 MVP 范围 - 输入本地图片路径 - 上传图片 - 判断普通图/全景图 - 普通图转全景图 - 可选清家具 - 全景图转点云 - 空间调整 - 导入方案 - 返回 design link ## 核心设计 - 普通 tool 调用保持短切片，不等待整条 job 结束 - 对外主流程暴露 7 个 job tools： - `gauss_start_image_job` - `gauss_update_job_inputs` - `gauss_wait_current_stage` - `gauss_poll_job` - `gauss_get_job` - `gauss_resume_job` - `gauss_list_jobs` - `gauss_wait_current_stage` 是默认等待手段：服务端内部执行 `poll + wait`，只等待“当前阶段结束”或一个 `timeout_sec` 切片，默认 60 秒；超时返回 `status=in_progress` - `gauss_poll_job` 保留给 debug 或细粒度观察，不再要求 agent 自己 Bash `sleep` - 对于用户未提前给出的阶段参数，可以在 `gauss_start_image_job` 时显式传 `null`，等进入对应阶段前再通过 `gauss_update_job_inputs` 补齐 - `clear_furniture` 只在 `pano_clear` 阶段生效，`level_height_mm` 只在 `gauss_import` 阶段生效 - 当 job 进入缺参数阶段时，紧凑 `job.required_user_input` 会给出结构化提问信号，`default_allowed=false` 表示调用方必须先问用户，不能自行默认 - `gauss_wait_current_stage` 在这种场景下会返回 `status=needs_user_input`，而不是继续自动等待 - 通过阶段事件与阶段摘要给 skill 提供进度展示依据，而不是 fake percent - 紧凑 `job` 返回会在已有可展示全景图时携带 `pano_url`，供 skill 直接展示图片反馈 - Claude Code skill 不会在任务一开始统一追问参数；只有在 `pano_clear` / `gauss_import` 开始前才会询问对应设置 - 长耗时阶段按 15-30 秒节奏推进；同步 wait tool 会复用阶段轮询间隔，减少 transcript 噪音 - `gauss_import` 完成后会立即产出 `design_url`，用户可以先打开方案预览；`gauss_show_info` 继续补齐 `splat_url` / `drc_url` - job 状态落盘到 `IMAGE_TO_DESIGN_JOB_STATE_DIR`，支持中断后继续查询或恢复 ## 阶段顺序 1. `upload` 2. `image_type` 3. `img2pano` 4. `pano_clear` 5. `pano2pointcloud` 6. `spatial_tune` 7. `gauss_import` 8. `gauss_show_info` ## 开发 ```bash uv sync --dev uv run pytest uv run ruff check src tests ``` ## 运行 MCP Server ```bash uv run gauss-mcp ``` ## 本地 smoke test 默认使用同步 wait tool： ```bash uv run python scripts/e2e_image_to_plan.py /absolute/path/to/image.png ``` 可选参数： ```bash uv run python scripts/e2e_image_to_plan.py /absolute/path/to/image.png \ --floor-plan-name demo-plan \ --level-height-mm 2800 \ --no-clear-furniture \ --wait-timeout-sec 60 ``` 如需切回细粒度 poll 调试： ```bash uv run python s…