Skip to main content
Glama

mcp-vision-server

PyPI Python License MCP

Ein MCP-Server für jedes OpenAI-kompatible Vision-Modell.

Einmal konfigurieren und dasselbe analyze_image-Tool über OpenAI, OpenRouter, Zhipu, Bailian, SiliconFlow und andere kompatible Anbieter verwenden. Es funktioniert mit Claude Code, Codex, Cursor, Zed und jedem anderen MCP-Client.

Warum mcp-vision-server verwenden?

  • ✅ Funktioniert mit jedem MCP-Client – Claude Code, Codex, Cursor, Zed und mehr.

  • ✅ Funktioniert mit vielen Anbietern – Anbieter wechseln, ohne Prompts oder Tool-Aufrufe zu ändern.

  • ✅ Eine einheitliche API – ein Tool (analyze_image) für jeden OpenAI-kompatiblen Vision-Endpunkt.

  • ✅ Flexible Bildeingabe – URL, lokale Datei oder Base64 werden automatisch erkannt.

  • ✅ Überall überschreibbar – global mit Umgebungsvariablen oder pro Anfrage konfigurierbar.

Related MCP server: vision-mcp

Schnellstart

  1. Installieren Sie den Server.

  2. Legen Sie Ihren Anbieter und API-Schlüssel fest.

  3. Fügen Sie den MCP-Server zu Ihrem Client hinzu.

  4. Fragen Sie:

Describe this screenshot.

Wenn alles korrekt konfiguriert ist, ruft Ihr MCP-Client automatisch analyze_image auf und gibt die Antwort des Vision-Modells zurück.

Funktionen

  • Ein einziges analyze_image-Tool mit einer konsistenten Schnittstelle.

  • Unterstützt URL-, lokale Datei- und Base64-Bildeingaben.

  • Unterstützt 13 integrierte Anbieter-Voreinstellungen.

  • Anbieterauswahl über VISION_PROVIDER oder den Parameter provider.

  • Überschreibungen auf Umgebungs- und Anfrageebene.

Beispiel

Bitten Sie Ihren MCP-Client, ein Bild zu analysieren:

Analyze this screenshot and tell me what UI is shown.

Der Client ruft das MCP-Tool auf:

{
  "tool": "analyze_image",
  "arguments": {
    "image": "/path/to/screenshot.png",
    "prompt": "Analyze this screenshot and tell me what UI is shown."
  }
}

Der Server normalisiert die Bildeingabe, sendet sie an den ausgewählten OpenAI-kompatiblen Vision-Anbieter und gibt eine Klartextantwort an Ihren MCP-Client zurück.

Anbieter

Integrierte Voreinstellungen machen gängige OpenAI-kompatible Vision-Endpunkte einfach nutzbar:

Anbieter

Voreinstellung

Zhipu

zhipu

Bailian / DashScope

bailian

OpenAI

openai

SiliconFlow

siliconflow

OpenRouter

openrouter

Ark / Volcengine

ark

StepFun

stepfun

Kimi / Moonshot

kimi

MiniMax

minimax

ModelScope

modelscope

NVIDIA NIM

nvidia

Novita AI

novita

Sie können auch jeden anderen OpenAI-kompatiblen Vision-Endpunkt verwenden, indem Sie VISION_BASE_URL, VISION_API_KEY und VISION_MODEL manuell festlegen.

Installation & Ausführung

Erfordert Python ≥ 3.10 und uv.

cd mcp-vision-server
uv sync                  # install deps
uv run pytest -v         # run tests
uv run ruff check .      # lint
uv run mcp-vision-server # start stdio server

Konfiguration

Option 1: Anbieter-Voreinstellung (empfohlen)

export VISION_PROVIDER=zhipu     # default
export VISION_API_KEY=your_key

Siehe Anbieter für die vollständige Liste der Voreinstellungen.

Sie können auch anbieterspezifische Umgebungsvariablen (z. B. DASHSCOPE_API_KEY, OPENAI_API_KEY) als Fallback verwenden.

Option 2: Manuell

Variable

Erforderlich

Beschreibung

VISION_API_KEY

Ja

API-Schlüssel

VISION_BASE_URL

Nein

OpenAI-kompatibler Endpunkt

VISION_MODEL

Nein

Modellname

Tool-Parameter (überschreiben Umgebung pro Aufruf): image, prompt, image_type, provider, base_url, api_key, model, temperature, max_tokens.

MCP-Client-Einrichtung

Claude Code (.mcp.json)

{
  "mcpServers": {
    "vision": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/mcp-vision-server", "mcp-vision-server"],
      "env": {
        "VISION_PROVIDER": "zhipu",
        "VISION_API_KEY": "your_key"
      }
    }
  }
}

Claude Code-Plugin

# After PyPI publish
claude plugins install RuyimgByCN/mcp-vision-server

# Local test
claude plugins install /path/to/mcp-vision-server

Das Repository enthält ein .claude-plugin.json-Manifest – claude plugins install liest es automatisch.

Codex (OpenAI Codex CLI)

Bearbeiten Sie ~/.codex/config.toml:

[mcp_servers.vision]
command = "uvx"
args = ["mcp-vision-server"]
env = { VISION_PROVIDER = "zhipu", VISION_API_KEY = "your_key" }

Oder für die lokale Entwicklung:

[mcp_servers.vision]
command = "uv"
args = ["run", "--directory", "/path/to/mcp-vision-server", "mcp-vision-server"]
env = { VISION_PROVIDER = "zhipu", VISION_API_KEY = "your_key" }

Cursor / andere uvx-Clients

Ersetzen Sie command durch uvx, args durch ["--from", "/path/to/mcp-vision-server", "mcp-vision-server"], gleiche env.

Anbieter-Beispiele

// Bailian
"env": { "VISION_PROVIDER": "bailian", "VISION_API_KEY": "your_key" }

// OpenAI
"env": { "VISION_PROVIDER": "openai", "VISION_API_KEY": "sk-xxx" }

// Fully custom
"env": {
  "VISION_BASE_URL": "https://your-endpoint/v1",
  "VISION_API_KEY": "your_key",
  "VISION_MODEL": "your-model"
}

Architektur

MCP Client (Claude Code / Codex / Cursor / Zed)
        │
        ▼
mcp-vision-server
        │
        ├── mcp_vision_server/server.py     # MCP tool entrypoints
        ├── mcp_vision_server/config.py     # env/provider/parameter resolution
        ├── mcp_vision_server/image.py      # URL/file/base64 normalization
        └── mcp_vision_server/providers.py  # provider presets
        │
        ▼
OpenAI-compatible Vision API
        │
        ▼
Vision model response

FAQ

Warum nicht den Vision-Anbieter direkt aufrufen?

Dieser Server bietet MCP-Clients ein einziges, wiederverwendbares Vision-Tool. Sie können Anbieter wechseln, ohne Client-Prompts, MCP-Toolnamen oder clientseitigen Integrationscode zu ändern.

Kann ich einen Anbieter verwenden, der nicht aufgeführt ist?

Ja. Verwenden Sie die manuelle Konfiguration mit VISION_BASE_URL, VISION_API_KEY und VISION_MODEL für jeden OpenAI-kompatiblen Vision-Endpunkt.

Kann ich den Anbieter pro Anfrage überschreiben?

Ja. Verwenden Sie die Tool-Parameter provider, base_url, api_key oder model, um die Konfiguration auf Umgebungsebene für einen einzelnen Aufruf zu überschreiben.

Welche Bildformate werden unterstützt?

Der Server akzeptiert Bild-URLs, lokale Dateipfade und Base64-Strings. Der Eingabetyp kann automatisch erkannt oder mit image_type angegeben werden.

Entwicklung

uv sync --all-groups
uv run ruff check .
uv run ruff format .
uv run pytest -v
uv build
uv run twine check dist/*

Release-Checkliste

  1. Aktualisieren Sie die Version in pyproject.toml.

  2. Führen Sie uv run ruff check ., uv run pytest -v, uv build und uv run twine check dist/* aus.

  3. Erstellen und pushen Sie einen Versions-Tag, zum Beispiel v0.1.2.

  4. Lassen Sie GitHub Actions über Trusted Publishing auf PyPI veröffentlichen.

Roadmap

  • Weitere Anbieter-Voreinstellungen hinzufügen, sobald stabile OpenAI-kompatible Vision-Endpunkte verfügbar sind.

  • Umfangreichere Beispiele für Claude Code, Codex, Cursor und andere MCP-Clients hinzufügen.

  • Optionale Unterstützung für Streaming-Antworten hinzufügen, wenn die MCP-Client-UX davon profitiert.

  • Anbieterspezifisches Verhalten nur dann in Plugins aufteilen, wenn Anbieter eine benutzerdefinierte Anforderungslogik erfordern.

Über

Autor: RuyimgByCN

Lizenz: Nur für den persönlichen Gebrauch. Kommerzielle Nutzung ist untersagt – siehe LICENSE für Details. Kontaktieren Sie den Autor für kommerzielle Lizenzen.

中文说明: 个人使用免费,禁止商用。商业授权请联系作者。详见 README_ZH.md。

Available Tools

2 tools
analyze_imageB

Analyze or understand an image.

Use this tool when an MCP client needs image understanding, screenshot analysis, OCR-like text recognition, visual Q&A, or UI restoration.

Inputs: image (required), model, prompt, api_key, +5 more. Returns: result

list_providersA

List all supported provider presets as a JSON array.

Inputs: no named parameters. Returns: result

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.6/5.0

    Scored across 2 tools

    Disambiguation5/5

    The two tools have entirely distinct purposes: analyze_image for image understanding and list_providers for listing provider presets. No overlap or ambiguity.

    Naming Consistency5/5

    Both tools follow a consistent verb_noun pattern (analyze_image, list_providers), making naming predictable and clear.

    Tool Count3/5

    Only two tools for a vision server feels slightly thin. While the count is not extreme, it borders on insufficient for typical vision tasks.

    Completeness2/5

    The server covers only basic image analysis and a provider listing, missing common vision operations like generation, manipulation, or filtering. The tool surface is significantly incomplete.

    Related MCP Connectors

    Related MCP Servers