MCP OpenVision

MCP OpenVision

Обзор

MCP OpenVision — это сервер Model Context Protocol (MCP), который предоставляет возможности анализа изображений на основе моделей зрения OpenRouter. Он позволяет помощникам ИИ анализировать изображения через простой интерфейс в экосистеме MCP.

Установка

Установка через Smithery

Чтобы автоматически установить mcp-openvision для Claude Desktop через Smithery :

Использование пипа

Использование УФ (рекомендуется)

Конфигурация

MCP OpenVision требует API-ключа OpenRouter и может быть настроен с помощью переменных среды:

• OPENROUTER_API_KEY (обязательно): Ваш ключ API OpenRouter
• OPENROUTER_DEFAULT_MODEL (необязательно): модель зрения, которую следует использовать

Модели видения OpenRouter

MCP OpenVision работает с любой моделью OpenRouter, которая поддерживает возможности Vision. Модель по умолчанию — qwen/qwen2.5-vl-32b-instruct:free , но вы можете указать любую другую совместимую модель.

Некоторые популярные модели машинного зрения, доступные через OpenRouter, включают:

• qwen/qwen2.5-vl-32b-instruct:free (по умолчанию)
• anthropic/claude-3-5-sonnet
• anthropic/claude-3-opus
• anthropic/claude-3-sonnet
• openai/gpt-4o

Вы можете указать пользовательские модели, установив переменную среды OPENROUTER_DEFAULT_MODEL или передав параметр model непосредственно в функцию image_analysis .

Использование

Тестирование с помощью MCP Inspector

Самый простой способ протестировать MCP OpenVision — использовать инструмент MCP Inspector:

Интеграция с Claude Desktop или Cursor

1. Отредактируйте файл конфигурации MCP:
   • Windows: %USERPROFILE%\.cursor\mcp.json
   • macOS: ~/.cursor/mcp.json или ~/Library/Application Support/Claude/claude_desktop_config.json
2. Добавьте следующую конфигурацию:

Локальный запуск для разработки

Функции

MCP OpenVision предоставляет следующий основной инструмент:

• image_analysis : Анализ изображений с помощью моделей зрения, поддерживающих различные параметры:
  • image : Может быть предоставлено как:
    • Данные изображения, закодированные в Base64
    • URL-адрес изображения (http/https)
    • Локальный путь к файлу
  • query : Инструкция пользователя для задачи анализа изображения
  • system_prompt : Инструкции, определяющие роль и поведение модели (необязательно)
  • model : модель видения для использования
  • temperature : контролирует случайность (0,0-1,0)
  • max_tokens : Максимальная длина ответа

Создание эффективных запросов

Параметр query имеет решающее значение для получения полезных результатов анализа изображения. Хорошо составленный запрос предоставляет контекст о:

1. Цель : Почему вы анализируете это изображение
2. Области внимания : Конкретные элементы или детали, на которые следует обратить внимание.
3. Требуемая информация : тип информации, которую вам необходимо извлечь.
4. Настройки формата : как вы хотите структурировать результаты

Примеры эффективных запросов

Предоставляя контекст относительно того, зачем вам нужен анализ и какую конкретную информацию вы ищете, вы помогаете модели сосредоточиться на важных деталях и вырабатывать более ценную информацию.

Пример использования

Типы входных изображений

Инструмент image_analysis принимает несколько типов входных изображений:

1. Строки в кодировке Base64
2. URL-адреса изображен��й должны начинаться с http:// или https://
3. Пути к файлам :
   • Абсолютные пути : полные пути, начинающиеся с / (Unix) или буквы диска (Windows)
   • Относительные пути : пути относительно текущего рабочего каталога.
   • Относительные пути с project_root : используйте параметр project_root для указания базового каталога.

Использование относительных путей

При использовании относительных путей к файлам (например, «examples/image.jpg») у вас есть два варианта:

1. Путь должен быть относительным к текущему рабочему каталогу, в котором запущен сервер.
2. Или вы можете указать параметр project_root :

Это особенно полезно в приложениях, где текущий рабочий каталог может быть непредсказуемым или когда вы хотите ссылаться на файлы, используя пути относительно определенного каталога.

Разработка

Настройка среды разработки

Форматирование кода

Этот проект использует Black для автоматического форматирования кода. Форматирование осуществляется через GitHub Actions:

• Весь код, отправленный в репозиторий, автоматически форматируется черным цветом.
• Для запросов на извлечение от участников репозитория Блэк форматирует код и фиксирует его непосредственно в ветке PR.
• Для запросов на извлечение из форков Блэк создает новый PR с отформатированным кодом, который можно объединить с исходным PR.

Вы также можете запустить Black локально, чтобы отформатировать свой код перед фиксацией:

Проведение тестов

Процесс выпуска

В этом проекте используется автоматизированный процесс выпуска:

1. Обновите версию в pyproject.toml , следуя принципам семантического версионирования.
   • Вы можете использовать вспомогательный скрипт: python scripts/bump_version.py [major|minor|patch]
2. Обновите CHANGELOG.md подробностями о новой версии.
   • Скрипт также создает шаблонную запись в CHANGELOG.md, которую вы можете заполнить.
3. Зафиксируйте и отправьте эти изменения в main ветку.
4. Рабочий процесс GitHub Actions будет:
   • Обнаружить изменение версии
   • Автоматически создавать новый релиз GitHub
   • Запустите рабочий процесс публикации, который будет публиковаться в PyPI

Такая автоматизация помогает поддерживать согласованный процесс выпуска и гарантирует, что каждый выпуск имеет надлежащую версию и документируется.

Поддерживать

Если вы считаете этот проект полезным, рассмотрите возможность угостить меня кофе, чтобы поддержать текущую разработку и поддержку.

Лицензия

Данный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE .