Servidor multimodal OpenRouter MCP

Un servidor MCP (Protocolo de Contexto de Modelo) que ofrece funciones de chat y análisis de imágenes a través del diverso ecosistema de modelos de OpenRouter.ai. Este servidor combina la funcionalidad de chat de texto con potentes funciones de análisis de imágenes.

Características

Chat de texto:
- Acceso directo a todos los modelos de chat de OpenRouter.ai
- Soporte para texto simple y conversaciones multimodales
- Temperatura configurable y otros parámetros
Análisis de imagen:
- Analice imágenes individuales con preguntas personalizadas
- Procesar múltiples imágenes simultáneamente
- Optimización y cambio de tamaño automático de imágenes
- Compatibilidad con diversas fuentes de imágenes (archivos locales, URL, URL de datos)
Selección de modelo:
- Buscar y filtrar los modelos disponibles
- Validar los identificadores de modelo
- Obtenga información detallada del modelo
- Soporte para configuración de modelo predeterminada
Optimización del rendimiento:
- Almacenamiento en caché de información de modelos inteligentes
- Retroceso exponencial para reintentos
- Manejo automático del límite de velocidad

Novedades de la versión 1.5.0

Compatibilidad mejorada con sistemas operativos:
- Manejo de rutas mejorado para Windows, macOS y Linux
- Mejor soporte para rutas de estilo Windows con letras de unidad
- Procesamiento de rutas normalizado para un comportamiento consistente en todas las plataformas
Soporte de configuración de MCP:
- Integración de Cursor MCP sin requerir variables de entorno
- Configuración directa a través de parámetros MCP
- Opciones flexibles de especificación de modelos y claves API
Manejo robusto de errores:
- Mecanismos de respaldo mejorados para el procesamiento de imágenes
- Mejores informes de errores con diagnósticos específicos
- Múltiples estrategias de respaldo para la lectura de archivos
Mejoras en el procesamiento de imágenes:
- Codificación base64 más confiable para todos los tipos de imágenes
- Opciones de respaldo cuando el módulo Sharp no está disponible
- Mejor manejo de imágenes grandes con optimización automática

Instalación

Opción 1: Instalar mediante npm

npm install -g @stabgan/openrouter-mcp-multimodal

Opción 2: Ejecutar a través de Docker

docker run -i -e OPENROUTER_API_KEY=your-api-key-here stabgandocker/openrouter-mcp-multimodal:latest

Configuración de inicio rápido

Prerrequisitos

Obtenga su clave API de OpenRouter de OpenRouter Keys
Elija un modelo predeterminado (opcional)

Opciones de configuración de MCP

Agregue una de las siguientes configuraciones a su archivo de configuración de MCP (por ejemplo, cline_mcp_settings.json o claude_desktop_config.json ):

Opción 1: Usar npx (Node.js)

{
  "mcpServers": {
    "openrouter": {
      "command": "npx",
      "args": [
        "-y",
        "@stabgan/openrouter-mcp-multimodal"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-api-key-here",
        "DEFAULT_MODEL": "qwen/qwen2.5-vl-32b-instruct:free"
      }
    }
  }
}

Opción 2: Usar uv (Administrador de paquetes de Python)

{
  "mcpServers": {
    "openrouter": {
      "command": "uv",
      "args": [
        "run",
        "-m",
        "openrouter_mcp_multimodal"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-api-key-here",
        "DEFAULT_MODEL": "qwen/qwen2.5-vl-32b-instruct:free"
      }
    }
  }
}

Opción 3: Usar Docker

{
  "mcpServers": {
    "openrouter": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "-e", "OPENROUTER_API_KEY=your-api-key-here",
        "-e", "DEFAULT_MODEL=qwen/qwen2.5-vl-32b-instruct:free",
        "stabgandocker/openrouter-mcp-multimodal:latest"
      ]
    }
  }
}

Opción 4: Uso de herrería (recomendado)

{
  "mcpServers": {
    "openrouter": {
      "command": "smithery",
      "args": [
        "run",
        "stabgan/openrouter-mcp-multimodal"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-api-key-here",
        "DEFAULT_MODEL": "qwen/qwen2.5-vl-32b-instruct:free"
      }
    }
  }
}

Ejemplos

Para ver ejemplos completos de cómo usar este servidor MCP, consulte el directorio de ejemplos . Ofrecemos:

Ejemplos de JavaScript para aplicaciones Node.js
Ejemplos de Python con capacidades de chat interactivo
Fragmentos de código para la integración con varias aplicaciones

Cada ejemplo viene con documentación clara e instrucciones paso a paso.

Dependencias

Este proyecto utiliza las siguientes dependencias clave:

@modelcontextprotocol/sdk : ^1.8.0 - El último SDK de MCP para la implementación de herramientas
openai : ^4.89.1 - Cliente API compatible con OpenAI para OpenRouter
sharp : ^0.33.5 - Biblioteca de procesamiento rápido de imágenes
axios : ^1.8.4 - Cliente HTTP para solicitudes API
node-fetch : ^3.3.2 - Implementación de búsqueda moderna

Se requiere Node.js 18 o posterior. Todas las dependencias se actualizan periódicamente para garantizar la compatibilidad y la seguridad.

Herramientas disponibles

Finalización del chat de mcp_openrouter

Envía mensajes de texto o multimodales a modelos de OpenRouter:

use_mcp_tool({
  server_name: "openrouter",
  tool_name: "mcp_openrouter_chat_completion",
  arguments: {
    model: "google/gemini-2.5-pro-exp-03-25:free", // Optional if default is set
    messages: [
      {
        role: "system",
        content: "You are a helpful assistant."
      },
      {
        role: "user",
        content: "What is the capital of France?"
      }
    ],
    temperature: 0.7 // Optional, defaults to 1.0
  }
});

Para mensajes multimodales con imágenes:

use_mcp_tool({
  server_name: "openrouter",
  tool_name: "mcp_openrouter_chat_completion",
  arguments: {
    model: "anthropic/claude-3.5-sonnet",
    messages: [
      {
        role: "user",
        content: [
          {
            type: "text",
            text: "What's in this image?"
          },
          {
            type: "image_url",
            image_url: {
              url: "https://example.com/image.jpg"
            }
          }
        ]
      }
    ]
  }
});

OpenRouter MCP Multimodal Server

Integrations