Vision Model Text Input Generator MCP

Un servidor MCP que renderiza texto en lienzos PNG para modelos de visión locales. Se basa en el comportamiento de salida de la aplicación adyacente Vision-Model-Text-Input-Generator.

Endpoint MCP alojado

El endpoint Streamable HTTP de producción se despliega por separado de LibreChat:

https://vision-model-text-input-generator-mcp-1080561124190.us-central1.run.app/mcp

Requiere Authorization: Bearer <MCP_AUTH_TOKEN>.

Related MCP server: image-gen-mcp

Desarrollo local

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
MCP_AUTH_TOKEN=local-development-token python main.py

El servidor expone generate_vision_text_image. Su resultado de imagen es un ImageContent de MCP compatible con los estándares (image/png), por lo que clientes capaces como LibreChat pueden renderizarlo directamente.

Configuración de LibreChat

Añade lo siguiente en mcpServers de librechat.yaml:

mcpServers:
  vision-text-image:
    title: Text to Image Text
    type: streamable-http
    url: https://vision-model-text-input-generator-mcp-1080561124190.us-central1.run.app/mcp
    requiresOAuth: false
    headers:
      Authorization: 'Bearer ${VISION_TEXT_IMAGE_MCP_TOKEN}'
    serverInstructions: true

Reinicia LibreChat y añade vision-text-image a las herramientas MCP de un agente. Usa un modelo de chat con capacidad de visión cuando quieras que la imagen generada se incluya en el contexto inmediato del modelo.

Verificación

Ejecuta las comprobaciones locales proporcionadas después de instalar las dependencias:

python -m py_compile main.py
python verify_mcp.py