Skip to main content
Glama
deenesjakoruzh
ThisUserIsRandom

visionMCP

by ThisUserIsRandom
OverviewSchemaRelated ServersScoreDiscussions
Python
Hybrid

visionMCP 👁️

更大推理LLM的眼睛。

visionMCP 是一个 Model Context Protocol 服务器，为任何支持 MCP 的智能体提供真正的视觉能力。纯文本推理模型可以将任何它无法看到的内容委托给此服务器：描述截图、回答关于照片的问题、OCR 文档或比较两张图片——服务器负责“看”，然后返回文本。

它支持所有三种主流视觉后端，在运行时通过单个 config.json 选择：

提供商

API

示例模型

Ollama

OpenAI 兼容 (http://localhost:11434/v1)

llama3.2-vision, qwen2.5vl, llava

OpenAI

Chat Completions 视觉 API

gpt-4o, gpt-4o-mini

Anthropic

Claude Messages 视觉 API

claude-3-5-sonnet-latest, claude-3-7-sonnet-latest

功能特性

  • 🔍 四个视觉工具供推理 LLM 调用：

    • describe_image — 完整的自然语言描述

    • ask_about_image — 针对任意图片的定向问答

    • extract_text — OCR / 转录

    • compare_images — 并排比较

  • 🖼️ 接受所有来源：本地文件路径、http(s) URL 以及 base64 data: URI。

  • 📦 零图片预处理：超大图片会自动缩小并重新编码为 JPEG，以适配提供商的有效载荷限制。

  • 🔌 三种传输方式：stdio（默认，用于本地 MCP 客户端）、http（可流式 HTTP，用于远程托管）或 sse（传统 Server-Sent Events）。

  • ⚙️ 一个 config.json 控制提供商、API 密钥、API URL 和模型。环境变量和 CLI 标志可以覆盖任何设置。

  • 🚀 由 uv 管理，可安装、可运行、可托管。

Related MCP server: depu-img-mcp

快速开始

1. 安装

需要 uv 和 Python ≥ 3.10。

cd visionMCP
uv sync

2. 配置

附带的 config.json 已可直接用于本地 Ollama。通过编辑文件切换提供商：

// config.json
{
  "provider": "openai",                  // "ollama" | "openai" | "anthropic"
  "api_key": "sk-...",                   // or leave "" and export OPENAI_API_KEY
  "api_url": "",                         // "" = provider default
  "model": ""                            // "" = provider default
}

查看 docs/configuration.md 了解所有选项，以及 docs/providers.md 了解每个提供商的设置。

安全： 不要将真实的 API 密钥提交到 git——将 config.json 复制为 config.local.json（自动忽略）或使用环境变量。服务器永远不会记录你的密钥。

3. 运行

uv run vision-mcp                        # stdio transport (default)
uv run vision-mcp --transport http --host 0.0.0.0 --port 8100   # host remotely
uv run vision-mcp --show-config          # print resolved config (key masked)

接入 MCP 客户端

opencode (opencode.json)

{
  "mcpServers": {
    "visionMCP": {
      "type": "stdio",
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/visionMCP", "vision-mcp"]
    }
  }
}

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "visionMCP": {
      "command": "uv",
      "args": ["run", "--directory", "/absolute/path/to/visionMCP", "vision-mcp"]
    }
  }
}

通用 MCP 客户端 (stdio)

{
  "mcpServers": {
    "visionMCP": {
      "command": "/path/to/visionMCP/.venv/bin/vision-mcp",
      "args": ["--config", "/path/to/visionMCP/config.json"]
    }
  }
}

服务器除了工具调用提供的内容外，不会向视觉 API 发送图片内容。图片字节保留在内存中，不会写入磁盘。

工具参考

工具

参数

返回

describe_image

image (路径/URL/data-URI)

纯文本的完整描述

ask_about_image

image, question

针对性回答

extract_text

image

转录/OCR 后的文本

compare_images

image_a, image_b, 可选 question

纯文本的比较结果

server_status

—

提供商、模型、传输方式

image 参数接受以下任意一种：

/path/to/photo.png          # local file
https://example.com/x.jpg   # URL (downloaded at call time)
data:image/png;base64,iVBORw0KGgo...   # base64 data URI

工作原理

所有功能都汇聚在 src/vision_mcp/pipeline.py 中的一个函数中：

image (path / URL / data URI)  →  base64 + mime  →  vision model  →  text
        _read()                     _encode()         API[provider]    look()

服务器工具是薄封装层：pipeline.look(cfg, [image], prompt)。

文档

  • 配置参考 — 所有配置选项、环境变量和优先级规则

  • 提供商设置 — Ollama、OpenAI 和 Anthropic 的分步指南

  • 部署 — 通过 HTTP/SSE 托管、Docker、安全加固

开发

uv sync --group dev
uv run ruff check .
uv run pytest

许可证

MIT

Install Server
A
license - permissive license
A
quality
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Tools

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • Frenchie

    OCR, transcription, file extraction, and image generation for AI agents via MCP.

  • Imejis

    Generate on-brand images from your AI agent: design, edit, and render templates over MCP.

  • SocialGPT

    Social media analytics, video analysis, and competitor intel for any MCP-compatible AI agent.

View all MCP Connectors

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/ThisUserIsRandom/visionMCP'

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