mimo-vision
# mimo-vision MCP Server
本地 stdio MCP Server:给 Claude Code(主模型可以是 DeepSeek 等任何模型)提供"视觉眼睛"。
把本地图片交给小米 **MiMo-V2.5** 图片理解模型分析,返回文本结果供主 Agent 继续工作。
- 安装位置:`C:\Users\MR\.claude\mcp\mimo-vision`
- 视觉模型:`mimo-v2.5`(官方 OpenAI-compatible 接口 `https://api.xiaomimimo.com/v1/chat/completions`,直接调用无中间层)
- 安全:只做"读图片 → 调 MiMo API → 返回文本",无文件写入/删除/shell 能力
- API Key 运行时从环境变量 `MIMO_API_KEY` 读取,绝不写入源码、配置或日志
## 配置 MIMO_API_KEY(Windows)
PowerShell 或 CMD 执行:
```
setx MIMO_API_KEY "你的Key"
```
然后**完全退出并重启 Claude Code**(MCP 无需重新注册)。
## 注册到 Claude Code(user scope,所有项目可用)
```
claude mcp add -s user mimo-vision -- "C:\Program Files\nodejs\node.exe" "C:\Users\MR\.claude\mcp\mimo-vision\server.js"
```
验证:
```
claude mcp list # 应显示: mimo-vision ✔ Connected
```
## 三个 Tool
| Tool | 参数 | 用途 |
|---|---|---|
| `analyze_image` | `image_path` 必填;`prompt` 可选 | 分析一张图:布局、排版、间距、配色、视觉问题 |
| `compare_images` | `image_paths` 必填(2~8 张,按顺序);`prompt` 可选 | 一次跨图对比:相同点/差异/布局/排版/间距/颜色/组件/比例/层级 + 对改代码最有价值的信息 |
| `inspect_ui` | `image_path` 或 `image_paths`;`task` 可选;`project_context` 可选 | UI 工程化分析,13 项结构化结果(Layout、尺寸比例、Grid、Spacing、Typography、Colors、边框圆角阴影、组件层级、图片比例、响应式线索、交互线索、差异问题、实现建议),可直接用于写 HTML/CSS/React |
图片路径支持:Windows 绝对路径(含中文/空格/反斜杠)或相对项目根目录的路径。
格式:JPEG/JPG/PNG/WebP/GIF/BMP;单张 Base64 不超过 50MB(超限返回明确错误并提示压缩)。
## 使用示例(对主 Agent 直接说)
- "看一下 ./screenshots/home.png,分析为什么这个页面显得太拥挤。"
- "对比 ./current.png 和 ./reference.png,然后修改当前页面使它更接近参考图。"
- "检查 ./result.png,看看这次前端修改还有哪些视觉问题。"
- "我要复刻 ./design.png 这个页面,先做 UI 分析再写代码。"
## 自测
```
cd C:\Users\MR\.claude\mcp\mimo-vision
node test/mcp-client-test.mjs # 14 项基础+失败测试(无需 Key)
node test/mcp-client-test.mjs --real # 再加真实 MiMo 调用(需已设置 MIMO_API_KEY)
```
测试图生成:`node test/make-test-images.mjs`(纯 Node 零依赖生成 PNG)。
## 排错
| 现象 | 处理 |
|---|---|
| 报错 `MIMO_API_KEY 未设置` | 按上文 setx 设置后重启 Claude Code |
| 报错 `MiMo 返回了空内容` | 常见于部分 WebP 编码(如带 ICC profile)MiMo 无法解析:把图片转成 PNG 后重试(可用图片查看器另存为,或 `msedge --headless=new --disable-gpu --screenshot=输出.png --window-size=<宽>,<高> "file:///原图"`) |
| 报错 `[HTTP 401]` | Key 错误或失效,到小米 MiMo 开放平台检查 |
| 报错 `[HTTP 429]` | 限流,稍后重试(服务端已自动重试 2 次) |
| 报错 `图片过大` | 压缩/缩小图片(单张 Base64 ≤ 50MB) |
| 报错 `不支持的图片格式` | 转成 PNG/JPG 等支持的格式 |
| 网络错误 | 检查网络/代理;服务端对网络错误自动退避重试 |
## 卸载
```
claude mcp remove mimo-vision
```
然后删除目录 `C:\Users\MR\.claude\mcp\mimo-vision`;如不再使用 MiMo,再执行 `setx MIMO_API_KEY ""`。
TDQS
Scored across 3 tools
analyze_image and inspect_ui have significant overlap for UI screenshots; both analyze a single image with similar use cases. compare_images is distinct, but the boundaries between the two single-image tools are unclear in practice.
Tool names follow a consistent verb_noun pattern (analyze, compare, inspect), though nouns vary in number and specificity (image, images, ui). Minor inconsistencies exist but the pattern is predictable.
Three tools is a small but reasonable set for a vision-analysis server focused on coding assistance. Each tool serves a distinct purpose, though the overlap between analyze_image and inspect_ui suggests one could be redundant.
The domain of vision analysis for coding agents is well covered: single-image analysis, multi-image comparison, and detailed UI structure extraction. Minor gaps exist (e.g., no explicit batch processing without comparison), but core workflows are supported.