Skip to main content
Glama
Chuyuxuan0v0

deepseek-mcp-image

by Chuyuxuan0v0
OverviewSchemaRelated ServersScoreDiscussions
JavaScript
Local

deepseek-mcp-image

中文 | English

致谢

本地图片的公网分发使用了 Mini Tools Image API。 感谢开源作者 knsjd25 提供的 mini-tools.uk 图床服务。

给 DeepSeek 等纯文本模型 用的识图 MCP 服务器：让不支持图片输入的 LLM 也能看图。

主模型调用 describe_image 工具并传入本地图片路径或 http(s) URL。 公网 URL 校验后直接交给商汤；本地路径会先上传到 Mini Tools 图床，再用返回的公开链接调用 SenseNova 6.8 Flash-Lite（sensenova-6.8-flash-lite）识别，返回文字描述。

Related MCP server: vision-bridge-mcp

工作原理

商汤只接受公网可访问的图片 URL。因此 MCP 会按来源分流：已经是公网地址的直接转发；本地图片则先上传图床，再把公开链接交给商汤。

flowchart TD
  Host["纯文本主模型<br/>DeepSeek / Claude / Cursor 等"] -->|"调用 describe_image"| MCP["MCP 服务器<br/>deepseek-mcp-image"]
  MCP --> Src{"图片来源?"}
  Src -->|"http(s) 公网 URL"| Check["校验：协议、非内网、大小与格式"]
  Check --> PubURL["使用原始公开 URL"]
  Src -->|"本地路径 / file:// / data:image"| Read["读取并校验图片"]
  Read --> Upload["上传 Mini Tools 图床"]
  Upload --> Hosted["得到公开 URL"]
  PubURL --> Sense["调用商汤 SenseNova<br/>6.8 Flash-Lite"]
  Hosted --> Sense
  Sense --> Out["返回 Extracted Text<br/>Visual Context<br/>可选 Answer"]
  Out --> Host

环境要求

安装

推荐用 npm / npx，无需 clone：

npm install -g deepseek-mcp-image

或每次由 MCP 客户端自动拉取：npx -y deepseek-mcp-image。

开发者仍可从源码安装：

git clone https://github.com/Chuyuxuan0v0/deepseek-mcp-image.git
cd deepseek-mcp-image
npm install

申请商汤 API Key

识图调用走 SenseNova 开放平台。官方接入说明见 注册账号与获取 API Key。

  1. 打开 控制台 或 登录页，完成注册（常用手机号 + 短信验证码）与实名认证。免费 token 套餐见 Token Plan。

  2. 进入控制台左侧：管理中心 → API-Key 管理 → 创建 API-Key。

  3. 创建成功后立刻复制完整 Key（一般以 sk- 开头）。它只在创建时显示一次；泄漏了就在同一页删除或禁用，再新建一把。

  4. 本项目默认 API 地址是 https://token.sensenova.cn/v1，模型为 sensenova-6.8-flash-lite。把 Key 写进本机 .env 的 SENSENOVA_API_KEY，不要提交仓库。

申请图床账号和 API Key

本地图片必须先变成公网 URL，本项目使用 Mini Tools Image API。网页可以匿名上传，但 MCP 走的是服务端 API，需要管理员分配的账号。

  1. 打开 图片上传 API 文档，按文档说明申请。申请方式与长期存储相同：发邮件给管理员。

  2. 联系邮箱见官方仓库与文档：admin@mini-tools.uk（也可从 联系页面 选择对应邮箱）。说明用途即可，例如「用于开源 MCP 识图，把本地图片上传成公开链接」。

  3. 管理员核验申请邮箱后才会启用凭证，并回信给你两样东西：

    • 用户 ID（请求头 X-API-User-ID）

    • API Key（请求头 Authorization: Bearer …，一般以 mtu_live_ 开头）

  4. 两样都要，缺一不可。只把它们写进本机 .env，不要写进代码、不要提交 Git、不要再通过邮件把 Key 发回去。

拿到凭证后，复制 .env.example 为 .env：

SENSENOVA_API_KEY=sk-你的商汤key
X-API-User-ID=管理员分配的用户ID
Authorization=Bearer mtu_live_你的图床key

也可用 MINI_TOOLS_USER_ID / MINI_TOOLS_API_KEY 这一对变量名。

配置环境变量

变量

必填

默认

说明

SENSENOVA_API_KEY

✅

—

商汤 API Key

SENSENOVA_BASE_URL

—

https://token.sensenova.cn/v1

API 基础地址

MINI_TOOLS_USER_ID

本地路径时 ✅

—

Mini Tools 图床用户 ID（也可用 X-API-User-ID）

MINI_TOOLS_API_KEY

本地路径时 ✅

—

Mini Tools 图床 API Key（也可用 Authorization=Bearer …）

MINI_TOOLS_DURATION

—

1-day

图床保留期：1-day / 7-day / 30-day / permanent

MAX_IMAGE_BYTES

—

20971520（20MB）

远程 URL 单张大小上限；图床上传另有 5MB 限制

也可复制 .env.example 为当前工作目录的 .env（已被 git 忽略）。服务器会先读工作目录的 .env，再读安装目录里的 .env；MCP 客户端传入的 env 优先。用 npx 时请把密钥写在客户端配置里，不要依赖仓库里的 .env。

图床凭证仅供个人使用，不要写进代码、不要提交仓库、不要公开。

PowerShell（Windows）示例：

$env:SENSENOVA_API_KEY = "sk-你的key"
$env:MINI_TOOLS_USER_ID = "你的图床用户ID"
$env:MINI_TOOLS_API_KEY = "你的图床API Key"

运行测试

npm test

查看当前账号有多少图片

图床 API 不允许浏览器从本地 HTML 直接跨域调用，所以仓库提供了本机相册页：由 gallery-server.mjs 读取 .env，再去拉 用量 和仍有效的图片列表。

npx deepseek-mcp-image-gallery

或在源码目录：npm run gallery。

浏览器打开 http://127.0.0.1:3780（不要双击 gallery.html）。效果如下：

本机图床相册：顶部显示已用额度，下方列出当前账号仍有效的图片

页面上可以：

  • 看顶部 FRAME COUNTER：已用 / 总额度（例如 10 / 100），以及下次重置时间

  • 浏览当前账号仍有效的图片缩略图、大小、上传时间

  • 复制链接、新窗口打开公开 URL

  • 删除某张图（删除不会返还每日额度或永久额度）

按 Ctrl+C 结束本机服务。改端口可用环境变量 GALLERY_PORT。

接入 MCP 客户端

标准 stdio MCP 服务器。推荐用 npx，不必写本机路径：

{
  "mcpServers": {
    "deepseek-mcp-image": {
      "command": "npx",
      "args": ["-y", "deepseek-mcp-image"],
      "env": {
        "SENSENOVA_API_KEY": "sk-你的key",
        "MINI_TOOLS_USER_ID": "你的图床用户ID",
        "MINI_TOOLS_API_KEY": "你的图床API Key"
      }
    }
  }
}

已全局安装时，也可 "command": "deepseek-mcp-image"（Windows 上 npm 会生成 .cmd）。从源码调试则用：node <本仓库路径>/src/index.js。

Claude Desktop 把上面这段写入 claude_desktop_config.json；Cursor 写入 MCP 设置即可。

DeepSeek Harness（dsh）

在 profile 补丁层（如 ~/.dsh/profiles/web/cordis.patch.yml）追加一行：

- insert:
    - id: mcp-vision
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: vision
        transport: stdio
        command: npx
        args: ['-y', 'deepseek-mcp-image']
        env:
          SENSENOVA_API_KEY: !!js process.env.SENSENOVA_API_KEY ?? ''
          MINI_TOOLS_USER_ID: !!js process.env.MINI_TOOLS_USER_ID ?? ''
          MINI_TOOLS_API_KEY: !!js process.env.MINI_TOOLS_API_KEY ?? ''
        failOnStartupError: false

重启 dsh 后，主模型即可看到 mcp__vision__describe_image 工具（图片支持本地路径或 URL）。

其他客户端

Reasonix / Cursor / 通用 MCP 客户端按各自 stdio 服务器配置方式接入即可。

工具说明

describe_image

参数

类型

必填

默认

说明

image

string

✅

—

本地图片路径、file://、data:image，或模型可访问的 http(s):// 图片 URL

question

string

—

—

要问图片的问题。省略时只做文字提取与视觉描述，不生成 Answer 分区。

max_tokens

integer

—

2000

最大生成 token 数，上限 8192

支持的图片格式：PNG / JPEG / GIF / WebP / BMP / SVG。本地上传图床时仅支持 JPEG / PNG / GIF / WebP（图床限制）。

输出格式

模型按以下分区返回结果：

  • --- Extracted Text ---：图片中所有文字/符号的逐字转录（代码块、表格等保留格式）

  • --- Visual Context ---：非文字视觉内容的描述（纯文字截图可能省略此区）

  • --- Answer ---：仅当传入 question 时出现，为对该问题的回答

手动验收

设置好 SENSENOVA_API_KEY 后，用 SDK 客户端脚本调用一次：

cd deepseek-mcp-image && node --input-type=module -e "
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StdioClientTransport } from '@modelcontextprotocol/sdk/client/stdio.js';
const transport = new StdioClientTransport({
  command: process.execPath,
  args: ['src/index.js'],
  env: { ...process.env, SENSENOVA_API_KEY: process.env.SENSENOVA_API_KEY },
});
const client = new Client({ name: 'manual', version: '0.0.1' });
await client.connect(transport);
const r = await client.callTool({ name: 'describe_image', arguments: { image: 'https://www.sensenova.cn/images/logo.png' } });
console.log(JSON.stringify(r, null, 2));
await client.close();
"

预期输出：isError 为 false，content[0].text 为图片的文字描述。

限制

  • 商汤接口要求图片为模型可访问的 http(s) URL。公网 URL 直接转发；本地路径需配置 Mini Tools 图床凭证后自动上传。

  • 远程图片单张上限默认 20MB（MAX_IMAGE_BYTES 可调）；图床单张上限 5MB。

  • 不缓存 API 结果；每次调用都会消耗商汤 API 额度，本地图片还会消耗图床额度。

  • finish_reason = content_filter 时返回合规拦截提示（可能命中商汤内容审核）。

License

MIT

Available Tools

1 tool
describe_image描述图片内容A

读取一张图片（本地文件路径或 http(s):// URL），调用多模态模型 SenseNova 6.8 Flash-Lite 识别其内容并返回文字描述。用于主模型不支持图片输入时的看图能力。

ParametersJSON Schema
NameRequiredDescriptionDefault
imageYes本地文件路径（绝对或相对路径）或 http(s):// 图片 URL
questionNo要问图片的问题，默认："请详细描述这张图片的内容"
max_tokensNo最大生成 token 数，默认 1000

TDQS

A4/5.0
Behavior3/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

With no annotations provided, the description carries the full burden. It discloses the underlying model (SenseNova 6.8 Flash-Lite) and the action of reading and returning text, which implies a non-destructive operation. However, it does not mention potential limitations such as image format support, size limits, or error behavior. For a simple read tool, this is adequate but not exhaustive.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness5/5

Is the description appropriately sized, front-loaded, and free of redundancy?

The description is two sentences, front-loading the core functionality and then stating the use case. Every word earns its place, with no redundant information.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness4/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

Given the simplicity of the tool (3 parameters, no output schema, no siblings), the description covers the essential aspects: input types, purpose, and usage scenario. It does not describe the exact return format, but '返回文字描述' indicates the output is text, which is sufficient. A slightly higher score could be justified, but the lack of any detail on potential caveats or response structure prevents a 5.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters3/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

The schema description coverage is 100%, so the baseline is 3. The description does not add significant meaning beyond the schema; it mentions input types (local path or URL) which is already in the schema, but does not elaborate on the 'question' or 'max_tokens' parameters. The description adds minimal value beyond the schema.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose5/5

Does the description clearly state what the tool does and how it differs from similar tools?

The description clearly states the tool's function: it reads an image from a local path or http(s) URL, invokes the multimodal model SenseNova 6.8 Flash-Lite, and returns a textual description. The verb '读取' (read) and '识别' (recognize) are specific, and the resource (images) is clearly defined. Even without sibling tools, the purpose is unambiguous and distinct.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines4/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

The description explicitly states when to use the tool: '用于主模型不支持图片输入时的看图能力' (for image understanding when the main model does not support image input). This provides a clear usage context. It does not mention exclusions or alternatives, but since there are no sibling tools, this is sufficient.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Install Server
RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

TDQS

A4.3/5.0
Disambiguation5/5

Only one tool exists, so there is no possibility of confusing it with another tool. Its purpose is clearly defined as image description.

Naming Consistency5/5

The tool name 'describe_image' follows a clear verb_noun pattern and accurately reflects its function.

Tool Count5/5

The server is intentionally scoped to a single capability (image description), so one tool is the appropriate and complete set for its purpose.

Completeness5/5

The tool covers the entire domain it claims to serve: reading images from paths or URLs and returning descriptions. No additional operations are needed for this specific purpose.

Maintenance

ActivityMaintained
ResponsivenessSyncing

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Connectors

Related MCP Servers

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Chuyuxuan0v0/deepseek-mcp-image'

If you have feedback or need assistance with the MCP directory API, please join our Discord server