$ loading_
通过 MCP 调用 fal.ai API，运行模型并管理媒体生成工作流。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"fal.ai MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 fal.ai MCP Server 调用图像生成模型，基于以下 5 条产品海报文案分别创建任务，返回每个任务的 job ID、提交状态和预计输出格式。
返回批量任务提交结果，包含每个任务的编号、状态与输出信息。
请通过 fal.ai MCP Server 查询 job ID 为 abc123 的任务状态；如果已完成，提取结果中的图片 URL、生成参数和错误信息（如有）。
返回任务当前状态，并在完成后整理可直接使用的结果链接与参数摘要。
请用 fal.ai MCP Server 设计一个媒体生成流程：先生成商品主图，再生成 3 个不同风格变体，并输出每一步所需模型、输入参数和执行顺序。
给出清晰的工作流方案，说明步骤、模型调用方式与自动化执行逻辑。
通过自然语言发现并调用 fal 模型，完成执行、计费查询与本地媒体处理。
让 AI 助手通过本地密钥搜索、调用并管理 fal.ai 模型任务
通过标准化 MCP 接口调用 Falai 工具与服务，便于 AI 助手集成多种能力。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。
将运行中的 FastAPI 应用快速转为 MCP 服务，便于用自然语言调用接口
帮助开发者快速构建面向大模型的 MCP 应用与智能体服务器。