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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00