上周接了个私活，甲方要做 AI 壁纸生成小程序，核心就是调 Midjourney 出图。我寻思这不简单嘛，结果一上手才发现——Midjourney 官方压根没有公开的 REST API。Discord Bot 那套交互逻辑，要自己模拟消息发送、轮询图片结果，中间还得处理排队、超时、CDN 图片链接过期这些问题。折腾了差不多两天，踩了一圈坑，总算把三种方案都跑通了，这篇写完整流程。

直接回答标题问题：Midjourney 官方没有公开 REST API，2026 年主流接入方式有三种——自建 Discord Bot 中转、使用第三方 Midjourney API 代理服务、通过 AI 聚合 API 平台一站式调用。 三种方案各有优劣，下面挨个讲代码和踩坑。

先说结论

环境准备

不管选哪种方案，你都需要：

• Python 3.10+（示例用 Python，Node.js 逻辑一样）
• 一个 Midjourney 付费订阅账号（Basic Plan 起步，$10/月）
• pip install openai requests aiohttp

方案一：自建 Discord Bot 中转

最原始的方案。原理是：你的代码通过 Discord Bot 向 Midjourney Bot 发送 /imagine 命令，然后轮询频道消息拿到生成的图片。

sequenceDiagram
 participant App as 你的应用
 participant Bot as Discord Bot
 participant MJ as Midjourney Bot
 participant CDN as Discord CDN
 
 App->>Bot: 发送绘图 prompt
 Bot->>MJ: /imagine prompt
 MJ-->>Bot: 排队处理中...
 MJ-->>Bot: 图片生成完成
 Bot->>App: 返回图片消息
 App->>CDN: 下载图片

核心代码（简化版）：

import requests
import time

DISCORD_BOT_TOKEN = "your-bot-token"
CHANNEL_ID = "your-channel-id"
MJ_BOT_ID = "936929561302675456" # Midjourney Bot 的固定 ID

HEADERS = {
 "Authorization": f"Bot {DISCORD_BOT_TOKEN}",
 "Content-Type": "application/json"
}

def send_imagine(prompt: str):
 """通过 Discord 交互命令发送 /imagine"""
 payload = {
 "type": 2,
 "application_id": MJ_BOT_ID,
 "channel_id": CHANNEL_ID,
 "data": {
 "name": "imagine",
 "options": [{"name": "prompt", "type": 3, "value": prompt}]
 }
 }
 resp = requests.post(
 "https://discord.com/api/v10/interactions",
 json=payload,
 headers=HEADERS
 )
 print(f"发送状态: {resp.status_code}")
 return resp.status_code == 204

def poll_result(timeout=120):
 """轮询频道消息，等待 MJ 出图"""
 start = time.time()
 while time.time() - start < timeout:
 resp = requests.get(
 f"https://discord.com/api/v10/channels/{CHANNEL_ID}/messages?limit=5",
 headers=HEADERS
 )
 messages = resp.json()
 for msg in messages:
 if msg.get("author", {}).get("id") == MJ_BOT_ID:
 attachments = msg.get("attachments", [])
 if attachments and "png" in attachments[0].get("url", ""):
 return attachments[0]["url"]
 time.sleep(5)
 return None

# 使用
send_imagine("a cyberpunk cat sitting on a neon rooftop --ar 16:9 --v 6")
image_url = poll_result()
print(f"图片地址: {image_url}")

这套方案的坑，真的多

1. Discord 交互命令鉴权变了：2026 年 Discord 把 Interaction 端点的鉴权收紧了，Bot Token 直接调 /interactions 会 403，得用 User Token 模拟——但这违反 Discord ToS，号随时可能被封
2. 轮询逻辑不靠谱：MJ 生成过程中会发多条消息（进度 25%、50%、100%），你得判断哪条是最终结果，光靠「有没有 png 附件」不够，还得检查消息内容里有没有 (fast) 或 (relaxed) 标记
3. CDN 链接会过期：Discord 的图片 CDN 链接带签名参数，大概 24 小时后失效，生产环境必须下载到自己的 OSS

跑通 demo 之后我就放弃了。个人玩玩可以，上生产等着被 Discord 风控吧。

方案二：第三方 Midjourney API 代理

市面上有不少服务商把方案一的脏活包装成了标准 REST API，比如 midjourney-proxy、go-midjourney 这些开源项目，也有商业化服务。

接口一般长这样：

import requests
import time

API_BASE = "https://your-mj-proxy.com" # 替换成你用的代理服务地址
API_KEY = "your-api-key"

def imagine(prompt: str):
 resp = requests.post(
 f"{API_BASE}/mj/submit/imagine",
 json={"prompt": prompt},
 headers={"Authorization": f"Bearer {API_KEY}"}
 )
 task = resp.json()
 task_id = task["result"]
 print(f"任务已提交, task_id: {task_id}")
 
 # 轮询任务状态
 for _ in range(60):
 status_resp = requests.get(
 f"{API_BASE}/mj/task/{task_id}/fetch",
 headers={"Authorization": f"Bearer {API_KEY}"}
 )
 data = status_resp.json()
 if data["status"] == "SUCCESS":
 return data["imageUrl"]
 elif data["status"] == "FAILURE":
 raise Exception(f"生成失败: {data.get('failReason')}")
 time.sleep(3)
 
 raise TimeoutError("等了 3 分钟还没出图，超时了")

url = imagine("a watercolor painting of Tokyo street in rain --ar 3:2 --v 6")
print(url)

比方案一省心，不用自己维护 Discord Bot，但问题也明显：

• 代理服务稳定性参差不齐，我测了三家，有一家高峰期排队能排 5 分钟
• 价格不透明，按张收费 ¥0.5-2/张，也有包月的
• 依赖别人的 Discord 账号池，对方被封你也跟着挂

方案三：通过聚合 API 平台调用

这是我最后在生产环境用的方案。ofox.ai 是一个 AI 模型聚合平台，一个 API Key 可以调用 GPT-5、Claude Opus 4.6、Gemini 3 Pro、Midjourney 等 50+ 模型，低延迟直连无需代理，支持支付宝付款。它把 Midjourney 封装成了兼容 OpenAI 协议的接口，改个 base_url 就能用。对我来说最大的好处是——文生图和文生文用同一套代码逻辑，一个 Key 搞定。

from openai import OpenAI
import requests

client = OpenAI(
 api_key="your-ofox-key",
 base_url="https://api.ofox.ai/v1" # 聚合接口，一个 Key 调 MJ/GPT/Claude
)

# 调用 Midjourney 生图
response = client.images.generate(
 model="midjourney",
 prompt="a cyberpunk cat sitting on a neon rooftop, cinematic lighting --ar 16:9 --v 6",
 n=1,
 size="1024x1024"
)

image_url = response.data[0].url
print(f"图片地址: {image_url}")

# 同一个 client 直接调文本模型，不用换 Key
chat = client.chat.completions.create(
 model="gpt-5",
 messages=[{"role": "user", "content": "给这张赛博朋克猫的壁纸起 5 个文案"}]
)
print(chat.choices[0].message.content)

graph LR
 A[你的代码] -->|OpenAI 兼容协议| B[ofox.ai 聚合网关]
 B --> C[Midjourney]
 B --> D[DALL·E 3]
 B --> E[GPT-5]
 B --> F[Claude Opus 4.6]
 B --> G[Gemini 3 Pro]
 
 style B fill:#f9f,stroke:#333,stroke-width:2px

这套方案跑了两周，实际体感：

• 出图速度大概 30-90 秒，跟直接用 MJ 差不多
• 不用操心 Discord 账号池和风控
• 文生图 + 文生文统一一套 SDK，代码量少了一半

踩坑记录

坑 1：Midjourney 参数放在 prompt 里还是参数里？

一开始我以为 --ar 16:9 这种参数要单独传，结果发现不管哪种方案，MJ 的参数都是直接拼在 prompt 字符串尾部的。别去找什么 aspect_ratio 字段，没有的。

坑 2：图片尺寸参数 size 会被忽略

用 OpenAI 兼容接口调 MJ 时，size="1024x1024" 不生效，实际尺寸由 prompt 里的 --ar 决定。我一开始不知道，图出来全是正方形，debug 了半天才反应过来没加 --ar。

坑 3：prompt 里别带中文

MJ 对中文 prompt 的理解一直很迷，经常出离谱的结果。我的做法是先让 GPT-5 把中文需求翻译成英文 prompt，再喂给 MJ：

def translate_prompt(chinese_desc: str) -> str:
 resp = client.chat.completions.create(
 model="gpt-5",
 messages=[
 {"role": "system", "content": "你是 Midjourney prompt 专家。将用户的中文描述翻译为高质量英文 MJ prompt，直接输出 prompt，不要解释。"},
 {"role": "user", "content": chinese_desc}
 ]
 )
 return resp.choices[0].message.content.strip()

en_prompt = translate_prompt("一只橘猫坐在日式庭院里看樱花，水彩风格")
print(en_prompt)
# 输出类似: an orange tabby cat sitting in a Japanese garden watching cherry blossoms, watercolor style, soft pastel colors, Studio Ghibli inspired --ar 3:2 --v 6

坑 4：回调比轮询靠谱

方案二和方案三很多服务支持 webhook 回调。别用轮询，生产环境轮询既浪费请求次数又不及时。设置回调 URL，图生成完直接推给你。

小结

2026 年调 Midjourney API，说白了就三条路：自己搞 Discord Bot（折腾但便宜）、用第三方代理（省事但看运气）、用聚合平台（最省心，要付服务费）。

我选了方案三，因为这个小程序项目同时要用文生图和文生文，统一一个接口省了很多事。如果只是自己玩玩，方案一跑个 demo 也够，别指望它能稳定跑线上就行。

代码都是跑通的，直接复制能用。有问题评论区聊。