mcp-vision-server
mcp-vision-server
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
Installieren Sie den Server.
Legen Sie Ihren Anbieter und API-Schlüssel fest.
Fügen Sie den MCP-Server zu Ihrem Client hinzu.
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_PROVIDERoder den Parameterprovider.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 |
|
Bailian / DashScope |
|
OpenAI |
|
SiliconFlow |
|
OpenRouter |
|
Ark / Volcengine |
|
StepFun |
|
Kimi / Moonshot |
|
MiniMax |
|
ModelScope |
|
NVIDIA NIM |
|
Novita AI |
|
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 serverKonfiguration
Option 1: Anbieter-Voreinstellung (empfohlen)
export VISION_PROVIDER=zhipu # default
export VISION_API_KEY=your_keySiehe 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 |
| Ja | API-Schlüssel |
| Nein | OpenAI-kompatibler Endpunkt |
| 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-serverDas 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 responseFAQ
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
Aktualisieren Sie die Version in
pyproject.toml.Führen Sie
uv run ruff check .,uv run pytest -v,uv buildunduv run twine check dist/*aus.Erstellen und pushen Sie einen Versions-Tag, zum Beispiel
v0.1.2.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.
Available Tools
2 toolsanalyze_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
Scored across 2 tools
The two tools have entirely distinct purposes: analyze_image for image understanding and list_providers for listing provider presets. No overlap or ambiguity.
Both tools follow a consistent verb_noun pattern (analyze_image, list_providers), making naming predictable and clear.
Only two tools for a vision server feels slightly thin. While the count is not extreme, it borders on insufficient for typical vision tasks.
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
Chat, image, video, and audio models from many vendors behind one remote MCP server and one key.
OCR, transcription, file extraction, and image generation for AI agents via MCP.
MCP server exposing the YourImageShare upload API (upload/list/delete) as tools for AI agents.
MCP server for building and testing AI agents with multi-model experimentation and insights.
Related MCP Servers
- FlicenseBqualityDmaintenanceOpenAI-compatible MCP server for running image analysis tools against your own vision model endpoint.76 npm-
- AlicenseAqualityDmaintenanceMCP server that provides an analyze_image tool using OpenAI-compatible vision LLMs to describe images from file paths, URLs, or base64 data.115 npm1MIT
- AlicenseNot gradedqualityDmaintenanceMCP server for analyzing images using multiple vision LLM providers (OpenCode, OpenAI, Anthropic, Google, and custom OpenAI-compatible endpoints). Provides tools to analyze single or multiple images, list providers, and test vision capabilities.MIT
- AlicenseAqualityAmaintenanceMCP server that provides vision understanding to non-multimodal agents via 4 tools (analyze/describe/OCR image, list providers), supporting 13 vision providers with automatic fallback and secure URL handling.4281 npmMIT