MCP-Bildextraktor
MCP-Server zum Extrahieren und Konvertieren von Bildern in Base64 für die LLM-Analyse.
Dieser MCP-Server bietet KI-Assistenten Tools zum:
- Extrahieren Sie Bilder aus lokalen Dateien
- Bilder aus URLs extrahieren
- Verarbeiten Sie base64-codierte Bilder
So sieht es im Cursor aus:
Geeignete Fälle:
- Analysieren Sie die Testergebnisse des Dramatikers: Screenshots
Installation
Empfohlen: Verwenden von npx in mcp.json (am einfachsten)
Die empfohlene Methode zum Installieren dieses MCP-Servers ist die Verwendung von npx direkt in Ihrer Datei .cursor/mcp.json
:
Dieser Ansatz:
- Installiert automatisch die neueste Version
- Erfordert keine globale Installation
- Funktioniert zuverlässig in verschiedenen Umgebungen
Alternative: Lokale Pfadinstallation
Wenn Sie eine lokale Installation des Pakets bevorzugen, können Sie das Repository klonen und auf die erstellten Dateien verweisen:
Manuelle Installation
Dadurch wird der Befehl mcp-image-extractor
global verfügbar.
Konfigurieren Sie dann in .cursor/mcp.json
:
Fehlerbehebung für Cursor-Benutzer : Wenn die Fehlermeldung „Client konnte nicht erstellt werden“ angezeigt wird, versuchen Sie die oben beschriebene Installationsmethode über den lokalen Pfad oder stellen Sie sicher, dass Sie den richtigen Pfad zur ausführbaren Datei verwenden.
Verfügbare Tools
Bild aus Datei extrahieren
Extrahiert ein Bild aus einer lokalen Datei und konvertiert es in Base64.
Parameter:
file_path
(erforderlich): Pfad zur lokalen Bilddatei
Hinweis: Alle Bilder werden automatisch auf optimale Abmessungen (max. 512 x 512) für die LLM-Analyse skaliert, um die Größe der Base64-Ausgabe zu begrenzen und die Nutzung des Kontextfensters zu optimieren.
Bild aus URL extrahieren
Extrahiert ein Bild aus einer URL und konvertiert es in Base64.
Parameter:
url
(erforderlich): URL des zu extrahierenden Bildes
Hinweis: Alle Bilder werden automatisch auf optimale Abmessungen (max. 512 x 512) für die LLM-Analyse skaliert, um die Größe der Base64-Ausgabe zu begrenzen und die Nutzung des Kontextfensters zu optimieren.
Bild aus Base64 extrahieren
Verarbeitet ein Base64-codiertes Bild für die LLM-Analyse.
Parameter:
base64
(erforderlich): Base64-kodierte Bilddatenmime_type
(optional, Standard: "image/png"): MIME-Typ des Bildes
Hinweis: Alle Bilder werden automatisch auf optimale Abmessungen (max. 512 x 512) für die LLM-Analyse skaliert, um die Größe der Base64-Ausgabe zu begrenzen und die Nutzung des Kontextfensters zu optimieren.
Beispielverwendung
Hier ist ein Beispiel für die Verwendung der Tools von Claude:
Claude verwendet automatisch das Tool extract_image_from_file
, um den Bildinhalt zu laden und zu analysieren.
Claude verwendet automatisch das Tool extract_image_from_url
, um den Bildinhalt abzurufen und zu analysieren.
Docker
Erstellen und Ausführen mit Docker:
Lizenz
MIT
You must be authenticated.
hybrid server
The server is able to function both locally and remotely, depending on the configuration or use case.
Ein Model Context Protocol-Server, der Bilder aus URLs oder Base64-Daten extrahiert und sie in ein für die LLM-Analyse geeignetes Format konvertiert, sodass KI-Modelle visuelle Inhalte verarbeiten und verstehen können.
Related Resources
Related MCP Servers
- -securityFlicense-qualityA Model Context Protocol server that enables LLMs to extract and use content from unstructured documents across a wide variety of file formats.Last updated -2Python
- -securityAlicense-qualityA Model Context Protocol (MCP) server that enables Claude or other LLMs to fetch content from URLs, supporting HTML, JSON, text, and images with configurable request parameters.Last updated -PythonMIT License
- -securityAlicense-qualityA Model Context Protocol server that enables fetching and processing images from URLs, local file paths, and numpy arrays, returning them as base64-encoded strings with proper MIME types.Last updated -1PythonMIT License
- -securityFlicense-qualityA Model Context Protocol server that enables LLMs to fetch and process web content in multiple formats (HTML, JSON, Markdown, text) with automatic format detection.Last updated -TypeScript