🪄 ImageSorcery MCP

Integrations

Supports downloading and using models from Hugging Face Hub for various computer vision tasks like object detection.
Uses Imgur for image hosting and sharing in the demonstration examples, displaying the results of image processing operations.
Utilizes NumPy for image manipulation operations, particularly for the cropping functionality through OpenCV's NumPy slicing approach.

🪄 ImageSorcery MCP

Волшебство распознавания и редактирования изображений на основе ComputerVision для помощников с искусственным интеллектом

❌ Без ImageSorcery MCP

Возможности ИИ-помощников при работе с изображениями ограничены:

❌ Невозможно изменять или анализировать изображения напрямую
❌ Нет в��зможности обрезать, изменять размер или обрабатывать изображения
❌ Некоторые LLM не могут обнаруживать объекты или извлекать текст из изображений
❌ Ограничено словесными описаниями без визуальной манипуляции

✅ С ImageSorcery MCP

🪄 ImageSorcery предоставляет помощникам на базе искусственного интеллекта мощные возможности обработки изображений:

✅ Обрезайте, изменяйте размер и вращайте изображения с точностью
✅ Рисуйте текст и фигуры на изображениях
✅ Обнаружение объектов с использованием современных моделей
✅ Извлечение текста из изображений с помощью OCR
✅ Получите подробные метаданные изображения
✅ Используйте широкий спектр предварительно обученных моделей для обнаружения объектов, OCR и многого другого

Просто попросите свой ИИ помочь вам с задачами по обработке изображений:

"скопировать фотографии с домашними животными из папки photos в папку pets "

«Найдите кошку на фото.jpg и обрежьте изображение пополам по высоте и ширине, чтобы кошка оказалась по центру» 😉 Подсказка: используйте полный путь к файлам.

"Пронумеруйте поля формы в этом form.jpg с помощью модели foduucom/web-form-ui-field-detection и заполните form.md списком описанных полей" 😉 Подсказка: укажите модель и степень уверенности.

😉 Подсказка: добавьте «use imagesorcery», чтобы убедиться, что будет использоваться правильный инструмент».

Ваш инструмент будет объединять в себе несколько перечисленных ниже инструментов для достижения вашей цели.

🛠️ Доступные инструменты

Инструмент	Описание	Пример подсказки
`crop`	Обрезает изображение, используя подход нарезки NumPy OpenCV.	«Обрезать мое изображение 'input.png' от координат (10,10) до (200,200) и сохранить его как 'cropped.png'»
`resize`	Изменение размера изображения с помощью OpenCV	«Изменить размер моего изображения «photo.jpg» до 800x600 пикселей и сохранить его как «resized_photo.jpg»»
`rotate`	Поворачивает изображение с помощью функции imutils.rotate_bound	«Повернуть мое изображение «photo.jpg» на 45 градусов и сохранить его как «rotated_photo.jpg»»
`draw_texts`	Рисует текст на изображении с помощью OpenCV	«Добавьте текст «Hello World» в позицию (50,50) и «Copyright 2023» в правый нижний угол моего изображения «photo.jpg»»
`draw_rectangles`	Рисует прямоугольники на изображении с помощью OpenCV	«Нарисуйте красный прямоугольник от (50,50) до (150,100) и закрашенный синий прямоугольник от (200,150) до (300,250) на моем изображении 'photo.jpg'»
`get_metainfo`	Получает метаданные о файле изображения	«Получить метаданные о моем изображении 'photo.jpg'»
`detect`	Обнаруживает объекты на изображении с использованием моделей Ultralytics	«Определить объекты на моем изображении «photo.jpg» с порогом достоверности 0,4»
`find`	Находит объекты на изображении по текстовому описанию	«Найти всех собак на моем изображении 'photo.jpg' с порогом достоверности 0,4»
`get_models`	Перечисляет все доступные модели в каталоге моделей	«Перечислить все доступные модели в каталоге моделей»
`ocr`	Выполняет оптическое распознавание символов (OCR) на изображении с помощью EasyOCR	«Извлеките текст из моего изображения «document.jpg» с помощью OCR на английском языке»

😉 Совет: подробную информацию и инструкции по использованию каждого инструмента можно найти в файле /src/imagesorcery_mcp/tools/README.md .

🚀 Начало работы

Требования

Python 3.10 или выше
Claude.app , Cline или другой клиент MCP

Установка

 Load MCP documentation if you have the tool for it. It will give you path to *MCP-configuration file* and other needed instructions.
 Run command `python -m venv imagesorcery-mcp`
 Run command `source imagesorcery-mcp/bin/activate`
    For windows bash run command `source imagesorcery-mcp/Scripts/activate`
    For windows cmd run command `imagesorcery-mcp\Scripts\activate`
 Run command `pip install imagesorcery-mcp`
 Run command `imagesorcery-mcp --post-install`
 Create or modify *MCP-configuration file*.
 Add the `imagesorcery-mcp` server configuration to the `mcpServers` object in the *MCP-configuration file*
    `"imagesorcery-mcp": {"command": "/full/path/to/venv/bin/imagesorcery-mcp","timeout": 100}`
 Get available models using `get_models` tool from `imagesorcery-mcp`
 Attempt completion, indicating that the installation and configuration are complete.

Создайте и активируйте виртуальную среду (настоятельно рекомендуется): для надежной установки всех компонентов, особенно пакета clip (устанавливается с помощью скрипта после установки), настоятельно рекомендуется использовать встроенный в Python модуль venv вместо uv venv .
python -m venv imagesorcery-mcp source imagesorcery-mcp/bin/activate # For Linux/macOS # source imagesorcery-mcp\Scripts\activate # For Windows
Установите пакет в активированную виртуальную среду: можно использовать pip или uv pip .
pip install imagesorcery-mcp # OR, if you prefer using uv for installation into the venv: # uv pip install imagesorcery-mcp
Запустите скрипт после установки: Этот шаг имеет решающее значение. Он загружает требуемые модели и пытается установить пакет Python clip из GitHub в активную виртуальную среду.
imagesorcery-mcp --post-install

Создает каталог models (обычно в каталоге site-packages вашей виртуальной среды или в определенном пользователем месте, если установлена глобально) для хранения предварительно обученных моделей.
Генерирует там начальный файл models/model_descriptions.json .
Загружает стандартные модели YOLO ( yoloe-11l-seg-pf.pt , yoloe-11s-seg-pf.pt , yoloe-11l-seg.pt , yoloe-11s-seg.pt ), необходимые для инструмента detect , в этот каталог models .
Попытки установить пакет Python clip из репозитория Ultralytics' GitHub напрямую в активную среду Python. Это необходимо для функциональности текстовых подсказок в инструменте find .
Загружает файл модели CLIP, необходимый инструменту find , в каталог models .

Вы можете запустить этот процесс в любое время, чтобы восстановить модели по умолчанию и попытаться установить clip .

Использование uv venv для создания виртуальных сред: на основе тестирования виртуальные среды, созданные с помощью uv venv могут не включать pip таким образом, чтобы скрипт imagesorcery-mcp --post-install автоматически устанавливал пакет clip из GitHub (это может привести к ошибке «No module named pip» на этапе установки clip ). Если вы решите использовать uv venv :
1. Создайте и активируйте свой uv venv .
2. Установите imagesorcery-mcp : uv pip install imagesorcery-mcp .
3. Вручную установите пакет clip в ваш активный uv venv :
  uv pip install git+https://github.com/ultralytics/CLIP.git
4. Запустите imagesorcery-mcp --post-install . Это загрузит модели, но может не установить пакет Python clip . Для более плавной автоматической установки clip через скрипт post-install рекомендуется использовать python -m venv (как описано в шаге 1 выше) для создания виртуальной среды.
Использование uvx imagesorcery-mcp --post-install : запуск скрипта после установки напрямую с помощью uvx (например, uvx imagesorcery-mcp --post-install ) скорее всего не установит пакет Python clip . Это связано с тем, что временная среда, созданная uvx , обычно не имеет pip , доступного для использования скриптом. Модели будут загружены, но пакет clip не будет установлен этой командой. Если вы собираетесь использовать uvx для запуска основного сервера imagesorcery-mcp и вам требуется функциональность clip , вам нужно будет убедиться, что пакет clip установлен в доступной среде Python, которую может найти uvx , или рассмотреть возможность установки imagesorcery-mcp в постоянную среду, созданную с помощью python -m venv .

⚙️ Конфигурация MCP клиента

Добавьте эти настройки в ваш клиент MCP. Если imagesorcery-mcp находится в PATH вашей системы после установки, вы можете использовать imagesorcery-mcp напрямую как команду. В противном случае вам нужно будет указать полный путь к исполняемому файлу.

"mcpServers": {
    "imagesorcery-mcp": {
      "command": "imagesorcery-mcp", // Or /full/path/to/venv/bin/imagesorcery-mcp if installed in a venv
      "transportType": "stdio",
      "autoApprove": ["detect", "crop", "get_models", "draw_texts", "get_metainfo", "rotate", "resize", "classify", "draw_rectangles", "find", "ocr"],
      "timeout": 100
    }
}

"mcpServers": {
    "imagesorcery-mcp": {
      "command": "imagesorcery-mcp.exe", // Or C:\\full\\path\\to\\venv\\Scripts\\imagesorcery-mcp.exe if installed in a venv
      "transportType": "stdio",
      "autoApprove": ["detect", "crop", "get_models", "draw_texts", "get_metainfo", "rotate", "resize", "classify", "draw_rectangles", "find", "ocr"],
      "timeout": 100
    }
}

📦 Дополнительные модели

Для некоторых инструментов требуется наличие определенных моделей в каталоге models :

# Download models for the detect tool
download-yolo-models --ultralytics yoloe-11l-seg
download-yolo-models --huggingface ultralytics/yolov8:yolov8m.pt

При загрузке моделей скрипт автоматически обновляет файл models/model_descriptions.json :

Для моделей Ultralytics: описания предопределены в src/imagesorcery_mcp/scripts/create_model_descriptions.py и включают подробную информацию о назначении, размере и характеристиках каждой модели.
Для моделей Hugging Face: Описания автоматически извлекаются из карточки модели на Hugging Face Hub. Скрипт пытается использовать имя модели из индекса модели или первой строки описания.

После загрузки моделей рекомендуется проверить описания в models/model_descriptions.json и при необходимости скорректировать их, чтобы предоставить более точную или подробную информацию о возможностях моделей и вариантах использования.

🤝 Вклад

Структура каталога

Этот репозиторий организован следующим образом:

.
├── .gitignore                 # Specifies intentionally untracked files that Git should ignore.
├── pyproject.toml             # Configuration file for Python projects, including build system, dependencies, and tool settings.
├── pytest.ini                 # Configuration file for the pytest testing framework.
├── README.md                  # The main documentation file for the project.
├── setup.sh                   # A shell script for quick setup (legacy, for reference or local use).
├── models/                    # This directory stores pre-trained models used by tools like `detect` and `find`. It is typically ignored by Git due to the large file sizes.
│   ├── model_descriptions.json  # Contains descriptions of the available models.
│   ├── settings.json            # Contains settings related to model management and training runs.
│   └── *.pt                     # Pre-trained model.
├── src/                       # Contains the source code for the 🪄 ImageSorcery MCP server.
│   └── imagesorcery_mcp/       # The main package directory for the server.
│       ├── __init__.py          # Makes `imagesorcery_mcp` a Python package.
│       ├── __main__.py          # Entry point for running the package as a script.
│       ├── logging_config.py    # Configures the logging for the server.
│       ├── server.py            # The main server file, responsible for initializing FastMCP and registering tools.
│       ├── logs/                # Directory for storing server logs.
│       ├── scripts/             # Contains utility scripts for model management.
│       │   ├── README.md        # Documentation for the scripts.
│       │   ├── __init__.py      # Makes `scripts` a Python package.
│       │   ├── create_model_descriptions.py # Script to generate model descriptions.
│       │   ├── download_clip.py # Script to download CLIP models.
│       │   ├── post_install.py  # Script to run post-installation tasks.
│       │   └── download_models.py # Script to download other models (e.g., YOLO).
│       └── tools/               # Contains the implementation of individual MCP tools.
│           ├── README.md        # Documentation for the tools.
│           ├── __init__.py      # Import the central logger
│           └── *.py           # Implements the tool.
└── tests/                     # Contains test files for the project.
    ├── test_server.py         # Tests for the main server functionality.
    ├── data/                  # Contains test data, likely image files used in tests.
    └── tools/                 # Contains tests for individual tools.

Настройка разработки

Клонируйте репозиторий:

git clone https://github.com/sunriseapps/imagesorcery-mcp.git # Or your fork
cd imagesorcery-mcp

(Рекомендуется) Создайте и активируйте виртуальную среду:

python -m venv venv
source venv/bin/activate # For Linux/macOS
# venv\Scripts\activate    # For Windows

Установите пакет в режиме редактирования вместе с зависимостями разработки:

pip install -e ".[dev]"

Это установит imagesorcery-mcp и все зависимости из [project.dependencies] и [project.optional-dependencies].dev (включая build и twine ).

Правила

Эти правила применяются ко всем участникам: людям и ИИ.

Прочитайте все файлы README.md в проекте. Поймите структуру и цель проекта. Поймите правила для внесения вклада. Подумайте, как это связано с вашей задачей, и как внести соответствующие изменения.
Прочитайте pyproject.toml . Обратите внимание на разделы: [tool.ruff] , [tool.ruff.lint] , [project.optional-dependencies] и [project]dependencies . Строго следуйте стилю кода, определенному в pyproject.toml . Придерживайтесь стека, определенного в зависимостях pyproject.toml и не добавляйте новые зависимости без веской причины.
Напишите свой код в новых и существующих файлах. Если нужны новые зависимости, обновите pyproject.toml и установите их через pip install -e . или pip install -e ".[dev]" . Не устанавливайте их напрямую через pip install . Проверьте существующие исходные коды для примеров (например, src/imagesorcery_mcp/server.py , src/imagesorcery_mcp/tools/crop.py ). Придерживайтесь стиля кода, соглашений об именовании, форматов входных и выходных данных, структуры кододеса, архитектуры и т. д. существующего кода.
Обновите связанные файлы README.md с вашими изменениями. Придерживайтесь формата и структуры существующих файлов README.md .
Напишите тесты для своего кода. Проверьте существующие тесты на наличие примеров (например, tests/test_server.py , tests/tools/test_crop.py ). Придерживайтесь стиля кода, соглашений об именовании, форматов входных и выходных данных, структуры кода, архитектуры и т. д. существующих тестов.
Запустите тесты и линтер, чтобы убедиться, что все работает:

pytest
ruff check .

В случае сбоев - исправить код и тесты. Строго необходимо, чтобы весь новый код соответствовал правилам линтера и проходил все тесты.

Советы по кодированию

Используйте подсказки по типу, где это уместно
Используйте pydantic для проверки и сериализации данных

📝 Вопросы?

Если у вас есть вопросы, проблемы или предложения относительно этого проекта, обращайтесь:

Автор проекта: titulus через LinkedIn
Генеральный директор Sunrise Apps: Влад Карм через LinkedIn

Вы также можете открыть сообщение об ошибке в репозитории для отправки отчетов об ошибках или запросов на новые функции.

📜 Лицензия

Этот проект лицензирован по лицензии MIT. Это означает, что вы можете свободно использовать, изменять и распространять программное обеспечение в соответствии с условиями лицензии MIT.

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

🪄 ImageSorcery MCP

Related MCP Servers

imagen3-mcp
hamflx
-
security
F
license
-
quality
imagen3-mcp
Last updated -
15
Rust
MCP Expr Lang
ivan-saorin
-
security
A
license
-
quality
MCP Expr Lang
Last updated -
Go
MIT License
mcp-meilisearch
falcosan
-
security
F
license
-
quality
mcp-meilisearch
Last updated -
1,552
TypeScript
mcp-victoriametrics
VictoriaMetrics-Community
-
security
A
license
-
quality
mcp-victoriametrics
Last updated -
25
Go
Apache 2.0

View all related MCP servers

🪄 ImageSorcery MCP