Cloud Vision API MCP Server
Servidor MCP
Este proyecto es un servidor MCP (Protocolo de conversación multiagente) para la URL OpenAPI dada: https://api.apis.guru/v2/specs/googleapis.com/vision/v1p1beta1/openapi.json , generada automáticamente mediante el generador MCP de AG2.
Prerrequisitos
Python 3.9+
pip y uv
Related MCP server: vision-mcp
Instalación
Clonar el repositorio:
git clone <repository-url> cd mcp-serverInstalar dependencias: El script .devcontainer/setup.sh gestiona la instalación de dependencias mediante
pip install -e ".[dev]". Si no utiliza el contenedor dev, puede ejecutar este comando manualmente.pip install -e ".[dev]"Alternativamente, puedes utilizar
uv:uv pip install --editable ".[dev]"
Desarrollo
Este proyecto utiliza ruff para control de pelusas y formateo, mypy para verificación de tipos estáticos y pytest para pruebas.
Pelusa y formato
Para comprobar si hay problemas de pelusa:
ruff checkPara formatear el código:
ruff formatEstos comandos también están disponibles a través del script scripts/lint.sh .
Análisis estático
Para ejecutar un análisis estático (mypy, bandit, semgrep):
./scripts/static-analysis.shEste script también se configura como un gancho previo a la confirmación en .pre-commit-config.yaml .
Ejecución de pruebas
Para ejecutar pruebas con cobertura:
./scripts/test.shEsto ejecutará pytest y generará un informe de cobertura. Para un informe y una limpieza combinados, puede usar:
./scripts/test-cov.shGanchos de pre-confirmación
Este proyecto utiliza ganchos de pre-confirmación definidos en .pre-commit-config.yaml . Para instalar los ganchos:
pre-commit installLos ganchos se ejecutarán automáticamente antes de cada confirmación.
Ejecución del servidor
El servidor MCP se puede iniciar mediante el script mcp_server/main.py . Admite diferentes modos de transporte (p. ej., stdio y sse ).
Para iniciar el servidor (por ejemplo, en modo stdio):
python mcp_server/main.py stdioEl servidor se puede configurar mediante variables de entorno:
CONFIG_PATH: Ruta a un archivo de configuración JSON (por ejemplo, mcp_server/mcp_config.json ).CONFIG: Una cadena JSON que contiene la configuración.SECURITY: Variables de entorno para parámetros de seguridad (por ejemplo, claves API).
Consulte el bloque if __name__ == "__main__": en mcp_server/main.py para obtener detalles sobre cómo se cargan.
El archivo tests/test_mcp_server.py demuestra cómo iniciar e interactuar con el servidor mediante programación para realizar pruebas.
Construcción y publicación
Este proyecto utiliza Hatch para compilar y publicar. Para compilar el proyecto:
hatch buildPara publicar el proyecto:
hatch publishEstos comandos también están disponibles a través del script scripts/publish.sh .
This server cannot be deployed
Maintenance
Related MCP Connectors
MCP server for building and testing AI agents with multi-model experimentation and insights.
MCP server exposing the YourImageShare upload API (upload/list/delete) as tools for AI agents.
OCR, transcription, file extraction, and image generation for AI agents via MCP.
MCP server for Google Veo AI video generation
Related MCP Servers
- AlicenseAqualityCmaintenanceAn MCP server that provides image analysis capabilities using vision-capable AI models, including object detection, OCR, scene description, and image comparison.414 npmMIT
- AlicenseAqualityDmaintenanceMCP server that provides an analyze_image tool using OpenAI-compatible vision LLMs to describe images from file paths, URLs, or base64 data.17 npm1MIT
- AlicenseAqualityDmaintenanceA universal vision MCP server that enables Claude Code and Claude Desktop to describe images, extract text, and answer questions about images by converting visual content to text via multiple AI providers.37 npmMIT
- AlicenseAqualityBmaintenanceMCP server that exposes an analyze_image tool using Gemini vision models to describe or analyze images from local paths, URLs, or base64 data URIs.15 npmMIT