Skip to main content
Glama
deenesjakoruzh
1042498283

vision-mcp

by 1042498283
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

vision-mcp

阿里云百炼 DashScope（Qwen-VL） をベースとしたビジョンMCPサーバーです。MCPプロトコルを介して、Claude Code、Trae、CodeBuddyなどのクライアントに画像認識機能を提供します。

機能

  • analyze_image — 汎用画像解析（ローカルファイルパス / 公開URL / data URL に対応）

  • screenshot_analyze — UI / 画面スクリーンショット解析

Related MCP server: image-mcp

対応モデル

モデル

説明

qwen-vl-max

最も効果的で、複雑な画像理解に最適

qwen-vl-plus

効果と速度のバランス（デフォルト）

qwen2.5-vl-72b-instruct

72B 命令追従

qwen2.5-vl-7b-instruct

7B 軽量高速

クイックスタート

1. 依存関係のインストール

python -m venv .venv
# Windows
.venv\Scripts\pip install -r requirements.txt
# Linux / macOS
.venv/bin/pip install -r requirements.txt

2. API Key の設定

プロジェクトのルートディレクトリに .env ファイルを作成します（MCPサーバー起動時に自動的に読み込まれます）：

DASHSCOPE_API_KEY=sk-你的密钥

申請先：阿里云百炼控制台

3. 起動

# Windows
.venv\Scripts\python vision_mcp_server.py
# Linux / macOS
.venv/bin/python vision_mcp_server.py

対応モデルの一覧表示：

python vision_mcp_server.py --list

MCP クライアントへの接続

クライアントの MCP 設定（mcp.json または .mcp.json など）に以下を追加します：

{
  "mcpServers": {
    "vision": {
      "command": "/path/to/vision-mcp/.venv/bin/python",
      "args": ["/path/to/vision-mcp/vision_mcp_server.py"],
      "env": {}
    }
  }
}

テスト

# 协议冒烟测试（无需 API Key）
.venv/bin/python smoke_test.py

# 真实调用测试（需配置 API Key，使用本地测试图）
.venv/bin/python live_test.py

注意

  • DashScope サーバーが海外の公開画像 URL をダウンロードする際にタイムアウトする可能性があります。ローカルファイルパスまたは国内からアクセス可能なURLを使用することをお勧めします。

  • API Key は .env ファイルで提供され、設定ファイルには書き込まれません。

License

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • Luma MCP

    JochenYang
    A
    license
    A
    quality
    A
    maintenance
    Multi-model vision understanding MCP server that provides unified image analysis for AI assistants without native vision, supporting models like GLM-4.6V, DeepSeek-OCR, Qwen3-VL-Flash, and more.
    1
    529 npm
    115
    MIT

  • qwen-vision-mcp

    Bigcheese18
    A
    license
    Not graded
    quality
    C
    maintenance
    MCP server that adds Qwen3-VL vision capabilities to Claude Code or any MCP client, enabling OCR, UI/screenshot recognition, and chart understanding. It provides tools for analyzing single or batch images via DashScope's OpenAI-compatible API, with caching and fast mode.
    MIT

  • llm-vision

    maple-red
    A
    license
    Not graded
    quality
    C
    maintenance
    MCP server that provides a 'borrowed eye' for text-only LLMs, enabling them to identify and describe local images via the Qwen VL vision model, including face recognition, scene description, OCR, and targeted visual questioning.
    7 npm
    Apache 2.0