解决chatgpt-web-midjourney-proxy项目中的MJ绘图API调用问题
在使用chatgpt-web-midjourney-proxy项目时,开发者可能会遇到MJ绘图功能无法正常工作的问题,具体表现为调用API时出现"Unexpected token '<', "<!DOCTYPE "... is not valid JSON"错误。这个问题通常与API端点配置和容器网络通信有关。
问题现象分析
当部署chatgpt-web-midjourney-proxy容器并尝试使用MJ绘图功能时,前端会尝试调用一个包含/mjapi路径的API端点,例如http://localhost:6013/mjapi/mj/submit/imagine。这个调用会失败并返回ECONNREFUSED错误,表明连接被拒绝。
根本原因
经过分析,这个问题主要有两个关键因素:
-
容器网络通信问题:当在容器配置中使用127.0.0.1作为MJ_SERVER地址时,容器内部无法正确访问宿主机的服务。这是因为127.0.0.1在容器环境中指向容器自身,而不是宿主机。
-
API路径配置误解:虽然项目中会自动处理API路径转换,但开发者可能会误以为需要在配置中包含/mj路径,这实际上是不必要的。
解决方案
要解决这个问题,可以采取以下步骤:
-
修改MJ_SERVER地址:将配置中的127.0.0.1替换为Docker的默认网关地址172.17.0.1。这个地址在大多数Docker安装中都能正确指向宿主机。
-
简化API端点配置:按照项目README的说明,只需提供基础URL,不需要包含/mj路径。项目内部会自动处理路径转换。
正确的Docker运行命令应该类似于:
docker run --name chatgpt-web-midjourney-proxy -d -p 6015:3002 \
-e OPENAI_API_KEY=your_api_key \
-e OPENAI_API_BASE_URL=https://api.openai.com \
-e MJ_SERVER=http://172.17.0.1:6013 \
-e MJ_API_SECRET=your_secret ydlhero/chatgpt-web-midjourney-proxy
验证解决方案
实施上述修改后,可以通过以下方式验证问题是否解决:
- 检查前端网络请求,确认API调用不再包含/mjapi路径
- 查看midjourney-proxy容器的日志,确认收到并处理了绘图请求
- 测试绘图功能是否正常工作
总结
在容器化环境中,网络通信配置需要特别注意。对于chatgpt-web-midjourney-proxy项目,确保MJ_SERVER使用正确的地址(172.17.0.1而非127.0.0.1)是解决问题的关键。同时,遵循项目文档的配置建议可以避免不必要的路径问题。
理解容器网络原理和项目架构设计,能够帮助开发者更高效地解决类似问题。在遇到API调用失败时,检查网络连通性和路径配置应该是首要的排查步骤。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00