Servicio MCP de YOLO

Un potente servicio de visión artificial YOLO (You Only Look Once) que se integra con Claude AI mediante el Protocolo de Contexto de Modelo (MCP). Este servicio permite a Claude realizar detección de objetos, segmentación, clasificación y análisis de cámaras en tiempo real utilizando modelos YOLO de vanguardia.

Características

• Detección de objetos, segmentación, clasificación y estimación de pose
• Integración de cámara en tiempo real para la detección de objetos en vivo
• Soporte para entrenamiento, validación y exportación de modelos
• Análisis integral de imágenes que combina múltiples modelos
• Compatibilidad con rutas de archivos e imágenes codificadas en base64
• Integración perfecta con Claude AI

Instrucciones de configuración

Prerrequisitos

• Python 3.10 o superior
• Git (opcional, para clonar el repositorio)

Configuración del entorno

1. Crea un directorio para el proyecto y navega hasta él:
   mkdir yolo-mcp-service cd yolo-mcp-service
2. Descargue los archivos del proyecto o clónelos desde el repositorio:
   # If you have the files, copy them to this directory # If using git: git clone https://github.com/GongRzhe/YOLO-MCP-Server.git .
3. Crear un entorno virtual:
   # On Windows python -m venv .venv # On macOS/Linux python3 -m venv .venv
4. Activar el entorno virtual:
   # On Windows .venv\Scripts\activate # On macOS/Linux source .venv/bin/activate
5. Ejecute el script de configuración:
   python setup.py
   El script de configuración hará lo siguiente:
   • Comprueba tu versión de Python
   • Crear un entorno virtual (si aún no está creado)
   • Instalar las dependencias necesarias
   • Generar un archivo de configuración MCP (mcp-config.json)
   • Información de configuración de salida para diferentes clientes MCP, incluido Claude
6. Tenga en cuenta el resultado del script de configuración, que será similar a esto:
   MCP configuration has been written to: /path/to/mcp-config.json MCP configuration for Cursor: /path/to/.venv/bin/python /path/to/server.py MCP configuration for Windsurf/Claude Desktop: { "mcpServers": { "yolo-service": { "command": "/path/to/.venv/bin/python", "args": [ "/path/to/server.py" ], "env": { "PYTHONPATH": "/path/to" } } } } To use with Claude Desktop, merge this configuration into: /path/to/claude_desktop_config.json

Descarga de modelos YOLO

Antes de usar el servicio, debe descargar los modelos de YOLO. El servicio busca modelos en los siguientes directorios:

• El directorio actual donde se ejecuta el servicio
• Un subdirectorio models
• Cualquier otro directorio configurado en la variable CONFIG["model_dirs"] en server.py

Crea un directorio de modelos y descarga algunos modelos comunes:

Para usuarios de Windows PowerShell:

Configurando Claude

Para utilizar este servicio con Claude:

1. Para Claude web: configure el servicio en su máquina local y use la configuración proporcionada por el script de configuración en su cliente MCP.
2. Para Claude Desktop:
   • Ejecute el script de configuración y observe el resultado de la configuración
   • Localice el archivo de configuración de Claude Desktop (la ruta se proporciona en la salida del script de configuración)
   • Agregue o fusione la configuración en su archivo de configuración de Claude Desktop
   • Reiniciar Claude Desktop

Uso de las herramientas YOLO en Claude

1. Primero verifique los modelos disponibles

Compruebe siempre primero qué modelos están disponibles en su sistema:

2. Detección de objetos en una imagen

Para analizar un archivo de imagen en su computadora:

También puede especificar un modelo diferente:

3. Ejecución de un análisis de imágenes completo

Para un análisis más detallado que combine detección de objetos, clasificación y más:

4. Segmentación de imágenes

Para identificar los límites de los objetos y crear máscaras de segmentación:

5. Clasificación de imágenes

Para clasificar todo el contenido de la imagen:

6. Uso de la cámara de su computadora

Inicie la detección de objetos en tiempo real utilizando la cámara de su computadora:

Obtenga las últimas detecciones de cámara:

Detenga la cámara cuando termine:

7. Operaciones avanzadas del modelo

Entrenamiento de un modelo personalizado

Validando un modelo

Exportar un modelo a diferentes formatos

8. Prueba de conexión

Compruebe si el servicio YOLO se está ejecutando correctamente:

Solución de problemas

Problemas con la cámara

Si la cámara no funciona, prueba con diferentes ID de cámara:

Modelo no encontrado

Si no se encuentra un modelo, asegúrese de haberlo descargado en uno de los directorios configurados:

Problemas de rendimiento

Para un mejor rendimiento con recursos limitados, utilice modelos más pequeños (por ejemplo, yolov8n.pt en lugar de yolov8x.pt)