LM Studio MCP: mcp.json उदाहरण और वेब सर्च के लिए सबसे अच्छे सर्वर

एक काम करता LM Studio mcp.json, जिसे आज ही पेस्ट किया जा सकता है और हर एंट्री के हिसाब से समझाया गया है, साथ में वेब सर्च के लिए सबसे अच्छे MCP सर्वरों की आमने-सामने तुलना: Brave Search, Tavily, Exa, DuckDuckGo और Fetch। आपको सटीक पैकेज नाम, टूल नाम, टोकन सेटिंग्स और पहले चलाने वाली सुरक्षा जाँचें मिलेंगी।

क्रिएटर्स के लिए AI आज़माएँ

LM Studio MCP: mcp.json उदाहरण और वेब सर्च के लिए सबसे अच्छे सर्वर

लेखक: Cristian Da Conceicao

Picasso IA के संस्थापक

10 अक्टूबर 2026 - 7:57 pm

आपका लोकल मॉडल तेज़, प्राइवेट और धारदार है, फिर भी उसे लगता है कि वह उसी महीने में जी रहा है जिसमें उसका ट्रेनिंग डेटा रुका था। LM Studio की चैट विंडो में पिछले हफ़्ते की रिलीज़ के बारे में पूछें तो आपको आत्मविश्वास से दिया गया अनुमान मिलेगा। इसका हल एक JSON फ़ाइल है। mcp.json में वेब सर्च के लिए एक MCP सर्वर जोड़ें, और वही मॉडल सर्च टूल कॉल करने लगेगा, असली पेज पढ़ेगा और याद के बजाय सोर्स के साथ जवाब देगा।

यह आर्टिकल आपको एक LM Studio MCP mcp.json उदाहरण देता है जिसे आप आज ही पेस्ट कर सकते हैं, फिर पाँच वेब सर्च सर्वरों की तुलना करता है जिन्हें लोग सबसे ज़्यादा चुनते हैं: Brave Search, Tavily, Exa, DuckDuckGo और आधिकारिक Fetch सर्वर। नीचे दिया हर कॉन्फ़िग हर प्रोजेक्ट के अपने डॉक्यूमेंटेशन से लिया गया है, इसलिए पैकेज नाम, एनवायरनमेंट वेरिएबल और टूल नाम असली हैं।

शाम की ढलती रोशनी में अखरोट की लकड़ी की मेज़ पर लैपटॉप पर रखे किसी इंसान के हाथ

लोकल मॉडल को वेब सर्च की ज़रूरत क्यों है

पुराने ज्ञान की समस्या

भाषा मॉडल एक स्नैपशॉट है। ट्रेनिंग खत्म होने के दिन उसे जो पता था, वही उसका पूरा ज्ञान रहेगा, चाहे आप उसे अपनी मेज़ पर कितनी भी देर चलाते रहें। ईमेल दोबारा लिखने या regex समझाने के लिए यह ठीक है। लेकिन जो चीज़ें बदलती रहती हैं, जैसे लाइब्रेरी के वर्ज़न, कीमतें, रिलीज़ नोट्स या पिछले महीने के अपडेट का एरर मैसेज, उनके लिए यह तकलीफ़देह है।

वेब पेज हाथ से चैट में पेस्ट करना काम तो करता है, पर इससे आपकी कॉन्टेक्स्ट विंडो और धैर्य दोनों खर्च होते हैं। सर्च टूल से मॉडल खुद तय कर सकता है कि उसे ताज़ा तथ्यों की ज़रूरत कब है, उन्हें ला सकता है और जवाब में शामिल कर सकता है।

व्यवहार में MCP क्या करता है

Model Context Protocol (MCP) एक स्टैंडर्ड तरीका है जिससे कोई ऐप मॉडल को बाहरी टूल्स से जोड़ सकता है। LM Studio होस्ट का काम करता है: वह आपके कॉन्फ़िग में लिखे हर सर्वर को शुरू करता है या उससे जुड़ता है, पूछता है कि वह कौन से टूल देता है, और उन टूल्स का विवरण मॉडल को देता है। जब मॉडल किसी एक को कॉल करने का फ़ैसला करता है, तो LM Studio उसे चलाता है और नतीजा वापस चैट में डाल देता है।

💡 इसके लिए आपको कोई कोड नहीं लिखना। सर्च सर्वर एक छोटा प्रोग्राम है जिसे कोई और मेंटेन करता है। आपका काम बस इतना बताना है कि LM Studio उसे कैसे लॉन्च करे।

MCP सपोर्ट LM Studio 0.3.17 में आया था, और ऐप Cursor के mcp.json नोटेशन को फ़ॉलो करता है। यह मायने रखता है क्योंकि ज़्यादातर सर्वर के README में Cursor या Claude Desktop का स्निपेट दिखाया जाता है, और वे स्निपेट बहुत कम या बिना बदलाव के पेस्ट हो जाते हैं।

mcp.json कहाँ रहती है

ऐप के अंदर, दाईं साइडबार में Program टैब खोलें, Install पर क्लिक करें, फिर Edit mcp.json चुनें। बिल्ट-इन एडिटर सबसे सुरक्षित रास्ता है, क्योंकि टाइप करते समय ही आपको गलतियाँ दिख जाती हैं।

हल्की ओक की मेज़ पर कोड एडिटर खुले लैपटॉप का ऊपर से लिया गया दृश्य

अगर आप फ़ाइल सीधे एडिट करना चाहें, तो ये पाथ हैं:

सिस्टम	फ़ाइल का पाथ
macOS	`~/.lmstudio/mcp.json`
Linux	`~/.lmstudio/mcp.json`
Windows	`%USERPROFILE%/.lmstudio/mcp.json`

सेव करने के बाद Program टैब देखें: फ़ाइल में लिखा हर सर्वर अपने टूल्स के साथ वहाँ दिखना चाहिए। कुछ MCP लेखक Add to LM Studio बटन भी देते हैं, जो आपके लिए एंट्री लिख देता है, और यह तब काम आता है जब किसी सर्वर का कॉन्फ़िग लंबा हो।

एक काम करता mcp.json उदाहरण

हर एंट्री mcpServers नाम की एक टॉप-लेवल ऑब्जेक्ट के अंदर रहती है। हर सर्वर को आप अपनी पसंद का नाम देते हैं, उसके बाद या तो url (रिमोट सर्वर) आता है या command (लोकल प्रोसेस)।

रिमोट सर्वर एंट्री

LM Studio के आधिकारिक डॉक्स रिमोट उदाहरण के लिए Hugging Face MCP सर्वर का इस्तेमाल करते हैं:

{
  "mcpServers": {
    "hf-mcp-server": {
      "url": "https://huggingface.co/mcp",
      "headers": {
        "Authorization": "Bearer <YOUR_HF_TOKEN>"
      }
    }
  }
}

यहाँ तीन बातें मायने रखती हैं। url होस्टेड सर्वर की ओर इशारा करता है। headers आपका क्रेडेंशियल रखता है। और एंगल ब्रैकेट वाले प्लेसहोल्डर को सर्वर से जुड़ने से पहले असली टोकन से बदलना ज़रूरी है।

npx वाला लोकल सर्वर

लोकल सर्वर command, args और env का इस्तेमाल करते हैं। यह Brave Search MCP सर्वर के लिए Brave का अपना स्निपेट है:

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@brave/brave-search-mcp-server", "--transport", "stdio"],
      "env": {
        "BRAVE_API_KEY": "YOUR_BRAVE_TOKEN"
      }
    }
  }
}

npx Node.js के साथ आता है, इसलिए पहले उसे इंस्टॉल करें। -y फ़्लैग कन्फ़र्मेशन प्रॉम्प्ट छोड़ देता है, जो बैकग्राउंड प्रोसेस को अटका सकता था, और --transport stdio सर्वर को बताता है कि वह स्टैंडर्ड इनपुट और आउटपुट के ज़रिए LM Studio से बात करे। env ब्लॉक आपका टोकन एनवायरनमेंट वेरिएबल के रूप में सर्वर को देता है, और लगभग हर सर्च सर्वर इसे इसी तरह पाने की उम्मीद करता है।

एक फ़ाइल में कई सर्वर

एक असली फ़ाइल कई स्रोतों को मिलाती है: व्यापक खोज के लिए Brave, पूरा पेज पढ़ने के लिए Fetch, और DuckDuckGo एक फ़ॉलबैक के तौर पर, जिसके लिए कोई अकाउंट नहीं चाहिए।

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@brave/brave-search-mcp-server", "--transport", "stdio"],
      "env": {
        "BRAVE_API_KEY": "YOUR_BRAVE_TOKEN"
      }
    },
    "fetch": {
      "command": "uvx",
      "args": ["mcp-server-fetch"]
    },
    "ddg-search": {
      "command": "uvx",
      "args": ["duckduckgo-mcp-server"]
    }
  }
}

uvx uv Python टूल से आता है, इसलिए दोनों Python सर्वरों के लिए uv इंस्टॉल होना चाहिए, जैसे Node सर्वर के लिए Node चाहिए।

💡 कॉन्फ़िग को सबसे ज़्यादा दो कॉमा बिगाड़ते हैं: सर्वरों के बीच कॉमा छूट जाना और आखिरी एंट्री के बाद एक्स्ट्रा कॉमा लगाना। JSON इन दोनों में से कोई नहीं मानता, और उसमें कमेंट भी नहीं होते।

बड़े मॉनिटर पर कॉन्फ़िग फ़ाइल एडिट करते डेवलपर का कंधे के ऊपर से लिया दृश्य

वेब सर्च के लिए सबसे अच्छे MCP सर्वर

सर्च सर्वर तीन अलग काम करते हैं: लिंक ढूँढना, साफ़ पेज टेक्स्ट लौटाना, और किसी एक खास URL को पढ़ना। सबसे अच्छे सेटअप एक फ़ाइंडर को एक रीडर के साथ जोड़ते हैं, बजाय इसके कि एक ही सर्वर से सब कुछ करवाया जाए।

Brave Search MCP सर्वर

ज़्यादातर लोगों के लिए Brave डिफ़ॉल्ट चुनाव है। पैकेज @brave/brave-search-mcp-server है, टोकन BRAVE_API_KEY में जाता है, और टूल लिस्ट व्यापक है: brave_web_search, brave_local_search, brave_video_search, brave_image_search, brave_news_search, brave_summarizer, brave_place_search और brave_llm_context।

Brave कच्चे रैंक किए गए नतीजे (लिंक और स्निपेट) लौटाता है और पढ़ने का काम आपके लोकल मॉडल पर छोड़ता है। इससे जवाब छोटे रहते हैं, जो तब मायने रखता है जब आपकी कॉन्टेक्स्ट विंडो सीमित हो। रिपॉज़िटरी बताती है कि Pro प्लान्स में अतिरिक्त स्निपेट और पूरी लोकल सर्च जैसी सुविधाएँ मिलती हैं।

Tavily MCP सर्वर

Tavily एक्सट्रैक्शन की ओर झुकता है। उसके टूल्स tavily-search, tavily-extract, tavily-map और tavily-crawl हैं, ताकि मॉडल खोज सके, किसी पेज का टेक्स्ट निकाल सके, साइट का मैप बना सके या उसे क्रॉल कर सके। लोकल एंट्री ऐसी दिखती है:

{
  "mcpServers": {
    "tavily-mcp": {
      "command": "npx",
      "args": ["-y", "tavily-mcp@latest"],
      "env": {
        "TAVILY_API_KEY": "your-tavily-token"
      }
    }
  }
}

Tavily https://mcp.tavily.com/mcp/?tavilyApiKey=<your-token> पर एक रिमोट सर्वर भी चलाता है। ऊपर वाला लोकल वर्ज़न बेहतर आदत है, क्योंकि वह आपके टोकन को URL से दूर रखता है।

Exa MCP सर्वर

पाँचों में Exa का सेटअप सबसे छोटा है, क्योंकि यह होस्टेड है। इंस्टॉल करने को कुछ नहीं है, न Node चाहिए न Python:

{
  "mcpServers": {
    "exa": {
      "url": "https://mcp.exa.ai/mcp"
    }
  }
}

डिफ़ॉल्ट टूल्स web_search_exa हैं, जो साफ़ कंटेंट के साथ सर्च नतीजे लौटाता है, और web_fetch_exa, जो पेज को markdown में पढ़ता है। Exa टोकन को URL पैरामीटर के रूप में या Authorization हेडर में स्वीकार करता है। हेडर ज़्यादा साफ़-सुथरा विकल्प है।

DuckDuckGo MCP सर्वर

कोई अकाउंट नहीं, कोई टोकन नहीं। uvx duckduckgo-mcp-server चलाएँ और आपके पास search, fetch_content और expand_link होंगे। किसी भी चीज़ के लिए साइन अप करने से पहले अपना पूरा सेटअप काम करता है या नहीं, यह जाँचने का यह सबसे तेज़ तरीका है।

इसकी कीमत के रूप में रेट लिमिट चुकानी पड़ती है। डिफ़ॉल्ट प्रति मिनट 30 सर्च और प्रति मिनट 20 पेज फ़ेच हैं, जिन्हें DDG_SEARCH_RPM और DDG_FETCH_RPM एनवायरनमेंट वेरिएबल से बदला जा सकता है। HTTP 429 रिस्पॉन्स आने पर सर्वर Retry-After का सम्मान करता है और एक बार फिर कोशिश करता है।

Fetch MCP सर्वर

Fetch आधिकारिक MCP servers रिपॉज़िटरी से आता है और एक ही काम करता है: वह URL डाउनलोड करता है और HTML को markdown में बदलता है। उसका fetch टूल url लेता है, साथ में वैकल्पिक रूप से max_length (डिफ़ॉल्ट 5000 अक्षर), start_index और raw।

वह start_index पैरामीटर काम का है। जब कोई पेज एक रिस्पॉन्स से लंबा हो, तो मॉडल अगला हिस्सा माँग सकता है, बजाय इसके कि लेख का आखिरी हिस्सा छूट जाए। Fetch डिफ़ॉल्ट रूप से मॉडल-शुरू किए गए अनुरोधों के लिए robots.txt का सम्मान करता है, और उसका डॉक्यूमेंटेशन चेतावनी देता है कि वह लोकल और इंटरनल IP एड्रेस तक पहुँच सकता है, जो काम वाली मशीन पर एक असली जोखिम है।

कॉर्क बोर्ड पर लगे इंडेक्स कार्ड पर स्टिकी नोट चिपकाता एक हाथ

आपके सेटअप के लिए कौन सा सर्वर ठीक है

सर्वर	लॉन्च	टोकन	टूल्स	किसके लिए सबसे अच्छा
Brave Search	`npx`	हाँ, `BRAVE_API_KEY`	`brave_web_search` और सात अन्य	सामान्य वेब सर्च
Tavily	`npx` या रिमोट	हाँ, `TAVILY_API_KEY`	`tavily-search`, `tavily-extract`, `tavily-map`, `tavily-crawl`	ऐसी रिसर्च जिसे पेज टेक्स्ट चाहिए
Exa	रिमोट URL	URL पैरामीटर या हेडर	`web_search_exa`, `web_fetch_exa`	बिना इंस्टॉल वाला सेटअप
DuckDuckGo	`uvx`	कोई नहीं	`search`, `fetch_content`, `expand_link`	मुफ़्त टेस्टिंग
Fetch	`uvx`	कोई नहीं	`fetch`	ज्ञात URL पढ़ना

तीन शुरुआती विकल्प ज़्यादातर लोगों के लिए ठीक रहते हैं:

सिर्फ़ एक सर्वर: Brave Search चुनें, या अगर आपके लिए लिंक लिस्ट से ज़्यादा पेज टेक्स्ट मायने रखता है तो Tavily।
बिना किसी अकाउंट के: DuckDuckGo को Fetch के साथ जोड़ें।
सबसे कम इंस्टॉलेशन: रिमोट Exa एंट्री इस्तेमाल करें और Node व Python दोनों छोड़ दें।

ऐसा मॉडल चुनें जो टूल कॉल करे

हर मॉडल टूल कॉल नहीं कर सकता। मॉडल को स्ट्रक्चर्ड टूल कॉल देने के लिए ट्रेन किया गया होना चाहिए, और LM Studio अपनी मॉडल लिस्ट में टूल-सक्षम मॉडल पर हैमर बैज लगाता है। बिना बैज वाला मॉडल चुनेंगे, तो वह सर्च की बात तो करेगा, पर असल में कभी सर्च नहीं करेगा।

खुले PC केस के अंदर लगे ग्राफ़िक्स कार्ड का साइड व्यू

मॉडल चुनने जितनी ही मदद ये दो सेटिंग्स करती हैं:

कॉन्टेक्स्ट लेंथ: सर्च नतीजे लंबे होते हैं। मॉडल लोड करते समय कॉन्टेक्स्ट लेंथ बढ़ाएँ, वरना नतीजे मॉडल के पढ़ने से पहले ही कट जाएँगे।
मॉडल का आकार: बहुत छोटे मॉडल अक्सर मल्टी-स्टेप टूल इस्तेमाल में लड़खड़ाते हैं, एक बार सर्च करते हैं और आधे पढ़े स्निपेट से जवाब दे देते हैं।

PicassoIA पर GPT OSS कैसे इस्तेमाल करें

कई गीगाबाइट का मॉडल डाउनलोड करने से पहले अपने प्रॉम्प्ट एक होस्टेड मॉडल पर आज़मा लें। GPT OSS 20B एक ओपन-वेट, 20-बिलियन पैरामीटर वाला लार्ज लैंग्वेज मॉडल है, और उसका मॉडल पेज बिना क्रेडिट कैप के अनलिमिटेड जनरेशन देता है।

एक ईमानदार सीमा: यह होस्टेड मॉडल ब्राउज़र में चलता है और आपके लोकल MCP सर्वरों से कनेक्ट नहीं होता। इसे सिस्टम प्रॉम्प्ट को निखारने और यह देखने के लिए इस्तेमाल करें कि मॉडल पेस्ट किए गए सर्च नतीजों का सार कैसे बनाता है। फिर जीता हुआ प्रॉम्प्ट LM Studio में वापस ले जाएँ।

मॉडल पेज खोलें। GPT OSS 20B पेज पर जाएँ।
प्रॉम्प्ट लिखें। आज़माएँ: "आप एक रिसर्च असिस्टेंट हैं। नीचे दिए सर्च नतीजों के आधार पर ही जवाब दें, पाँच बुलेट में लिखें और हर एक के लिए सोर्स URL दें।" उसके नीचे असली सर्च नतीजे पेस्ट करें।
टेम्परेचर कम रखें। डिफ़ॉल्ट 0.1 है, जो तथ्यात्मक सार के लिए ठीक है। इसे सिर्फ़ तब बढ़ाएँ जब आपको ब्रेनस्टॉर्मिंग चाहिए।
सीमाएँ जाँचें। Max tokens डिफ़ॉल्ट 2048 है, top p 1 है, और दोनों पेनल्टी 0 हैं। अगर आउटपुट लूप होने लगे तो एक छोटी presence या frequency पेनल्टी जोड़ें।
जनरेट करें और तुलना करें। चलाएँ, एक लाइन बदलें, फिर दोबारा चलाएँ। वह वर्ज़न सेव करें जो बिना भटके आपके फ़ॉर्मैट को फ़ॉलो करे।
वापस ले जाएँ। सबसे अच्छा टेक्स्ट LM Studio के सिस्टम प्रॉम्प्ट में पेस्ट करें।

सेटिंग	डिफ़ॉल्ट	किसके लिए इस्तेमाल करें
टेम्परेचर	0.1	सटीक, दोहराए जा सकने वाले सार
Top P	1	आउटपुट में विविधता
Max Tokens	2048	जवाब की लंबाई
Presence Penalty	0	नए विषयों की ओर ले जाना
Frequency Penalty	0	दोहराए गए शब्द कम करना

धूप वाली कैफ़े की खिड़की की मेज़ पर लैपटॉप पर टाइप करती एक महिला

इसी टेस्ट से गुज़ारने लायक दूसरे होस्टेड मॉडल हैं: GPT OSS 120B, Qwen3.7-Plus, Granite 4.1 8B और Kimi K2.6। अगर इनमें से कोई आपके फ़ॉर्मैट को बेहतर फ़ॉलो करता है, तो आप जानते हैं कि लोकल डाउनलोड में क्या देखना है।

इंस्टॉल करने से पहले सुरक्षा नियम

मौसम से घिसे लकड़ी के गेट पर लटका पुराना पीतल का ताला

LM Studio के अपने डॉक्स इस पर साफ़ हैं: कुछ MCP सर्वर मनमाना कोड चला सकते हैं, आपकी लोकल फ़ाइलें पढ़ सकते हैं और आपके नेटवर्क कनेक्शन का इस्तेमाल कर सकते हैं। किसी ऐसे स्रोत से कभी इंस्टॉल न करें जिस पर आपको भरोसा नहीं। सर्च सर्वर बस आपकी मशीन पर आपकी अनुमति से चलने वाला एक प्रोग्राम है।

हर टूल कॉल पढ़ें

जब मॉडल कोई टूल कॉल करता है, तो LM Studio एक कन्फ़र्मेशन डायलॉग दिखाता है। कुछ भी चलने से पहले आप आर्गुमेंट्स देख और बदल सकते हैं, फिर टूल को एक बार या स्थायी रूप से अनुमति दे सकते हैं। जो सर्वर फ़ाइलों या नेटवर्क को छूता है, उस पर तब तक "allow once" पर ही रहें जब तक आप उस पर भरोसा न करने लगें। स्थायी अनुमतियाँ App Settings > Tools & Integrations में मैनेज होती हैं।

अपने टोकन सुरक्षित रखें

आपकी mcp.json टोकन को सादे टेक्स्ट में रखती है, इसलिए इस फ़ाइल को पासवर्ड लिस्ट की तरह समझें:

इसे कभी Git में कमिट न करें, और न किसी फ़ोरम पोस्ट या स्क्रीनशॉट में पेस्ट करें।
URL के अंदर के टोकन की जगह env और headers को प्राथमिकता दें, क्योंकि URL अक्सर लॉग में पहुँच जाते हैं।
अगर टोकन लीक हो जाए तो तुरंत उसे रोटेट करें।
जिस मशीन तक इंटरनल एडमिन पेज पहुँच सकते हों, वहाँ Fetch चलाने से पहले दो बार सोचें।

आम सेटअप समस्याएँ ठीक करना

सफ़ेद राउटर के पीछे नीली ईथरनेट केबल लगाते हुए हाथ

ज़्यादातर फ़ेल्योर पाँच श्रेणियों में आते हैं:

टूटा हुआ JSON। कॉमा, कोटेशन और ब्रैकेट जाँचें। Windows पर JSON के अंदर किसी भी फ़ाइल पाथ में डबल बैकस्लैश लगाने होंगे, या फ़ॉरवर्ड स्लैश इस्तेमाल करें।
रनटाइम गायब। npx के लिए Node.js चाहिए और uvx के लिए uv। पुष्टि के लिए टर्मिनल में node --version या uv --version चलाएँ।
मॉडल आपके टूल्स को नज़रअंदाज़ करता है। हो सकता है मॉडल में टूल सपोर्ट न हो, या प्रॉम्प्ट बहुत अस्पष्ट हो। सिस्टम प्रॉम्प्ट में एक लाइन जोड़ें: "आपके ट्रेनिंग डेटा से नई किसी भी चीज़ के लिए सर्च टूल का इस्तेमाल करें।"
खाली या थ्रॉटल किए गए नतीजे। DuckDuckGo डिफ़ॉल्ट रूप से सर्च को प्रति मिनट 30 पर सीमित रखता है, और पेड API की अपनी कोटा सीमाएँ होती हैं। मॉडल से कहें कि एक बार सर्च करे, फिर पढ़े।
पेज बीच में कट जाना। Fetch डिफ़ॉल्ट रूप से 5000 अक्षर लौटाता है। start_index के साथ अगला हिस्सा माँगें, या max_length बढ़ाएँ।

💡 हर नया सर्वर अकेले पहले टेस्ट करें। फ़ाइल में सिर्फ़ एक एंट्री डालें, ऐसा सवाल पूछें जिसके लिए ताज़ा तथ्य चाहिए, और टूल कॉल देखें। अगला सर्वर तभी जोड़ें जब यह काम कर जाए।

PicassoIA पर अपनी इमेज बनाएँ

जब आपका लोकल सेटअप वेब पर सर्च करने लगेगा, तो उससे निकले लेखों, ट्यूटोरियल और नोट्स के लिए आपको विज़ुअल्स चाहिए होंगे: ब्लॉग पोस्ट के लिए हेडर, डायग्राम का बैकग्राउंड, या वीडियो वॉकथ्रू के लिए थंबनेल। यहीं PicassoIA काम आता है।

एक प्रयोग करके देखें: एक फ़ोटोग्राफ़िक प्रॉम्प्ट लिखें, जैसे "हाथ से बने बॉक्स वाली नोटबुक और लैपटॉप के साथ सुबह के समय एक डेवलपर की मेज़", और उसे तीन टेक्स्ट-टू-इमेज मॉडलों से चलाएँ। Flux Krea Dev ऐसी इमेज की ओर झुकता है जो आम AI लुक से बचती हैं, Seedream 4.5 शार्प, हाई-रिज़ॉल्यूशन नतीजे देता है, और GPT Image 2 लंबे और विस्तृत प्रॉम्प्ट को बारीकी से फ़ॉलो करता है। तीनों नतीजों को साथ रखें और जो आपके काम का हो, वह चुनें।

PicassoIA अपने इमेज और वीडियो मॉडलों के लिए डेवलपर API और MCP कनेक्शन भी देता है, ताकि बाद में वही वर्कफ़्लो आपके अपने टूल्स से जुड़ सके। PicassoIA खोलें, एक मॉडल चुनें और आज ही अपनी पहली इमेज बनाएँ।

यह लेख शेयर करें

अपनी भाषा चुनें