Skip to main content
Glama
alwaysalone1

dsh-vision-mcp

by alwaysalone1
OverviewSchemaSourceRelated ServersDiscussionsAdmin
TypeScript
Hybrid

dsh-vision-mcp

本地识图 MCP 服务器：给任何 MCP 客户端的 agent 装上眼睛——DeepSeek Harness、Claude Desktop、Codex CLI、Cursor 通用。视觉大脑是你自己的 OpenAI 兼容视觉端点（默认对接本机 chatgpt2api，也可指向任何标准 vision API），主模型无需自带视觉能力。

任意 MCP 客户端（stdio JSON-RPC）
        │
┌───────▼────────────────────┐    HTTP POST /v1/chat/completions
│ dsh-vision-mcp             │ ──────────────────────────────→ OpenAI 兼容视觉端点
│ analyze_image/extract_text/│     {image_url: dataURL}         （chatgpt2api :8000
│ compare_images             │                                   或任何标准 vision API）
└────────────────────────────┘

快速开始

git clone https://github.com/alwaysalone1/dsh-vision-mcp.git
cd dsh-vision-mcp
npm install && npm run build

# 环境体检：端点可达性 + key 校验 + 模型列表
export VISION_API_KEY='<你的 chatgpt2api auth-key>'
npm run doctor

Related MCP server: vision-bridge-mcp

接入各客户端

以下配置通用：command 跑构建产物，env 传入视觉后端的地址与 key。

DeepSeek Harness（packages/mcp 桥，一行 patch，工具名为 mcp__vision__analyze_image 等）：

- insert:
    - id: vision-mcp
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: vision
        transport: stdio
        command: node
        args: ['D:/path/to/dsh-vision-mcp/dist/index.js']
        env:
          VISION_API_BASE: http://127.0.0.1:8000
          VISION_API_KEY: !!js process.env.VISION_API_KEY

Claude Desktop / 通用 JSON（claude_desktop_config.json 的 mcpServers，Cursor 的 mcp.json 同构）：

{
  "mcpServers": {
    "dsh-vision": {
      "command": "node",
      "args": ["D:/path/to/dsh-vision-mcp/dist/index.js"],
      "env": {
        "VISION_API_BASE": "http://127.0.0.1:8000",
        "VISION_API_KEY": "<your-key>"
      }
    }
  }
}

Codex CLI（~/.codex/config.toml）：

[mcp_servers.dsh-vision]
command = "node"
args = ["D:/path/to/dsh-vision-mcp/dist/index.js"]
env = { "VISION_API_BASE" = "http://127.0.0.1:8000", "VISION_API_KEY" = "your-key" }

工具

工具

作用

参数

analyze_image

理解图片：描述内容、回答问题、定位界面元素（可问"红色按钮的坐标"）

source、prompt?、model?

extract_text

OCR：按原始排版提取全部文字（代码/公式/多语言）

source、model?

compare_images

对比两张图片的相同与不同

sourceA、sourceB、prompt?、model?

source 四种写法任选：本地文件路径（如 C:/shots/1.png）、http(s):// 图片 URL、data:image/png;base64,...、裸 base64。格式按文件头魔数判定（PNG/JPEG/GIF/WebP/BMP），不看扩展名。

模型选择

默认使用 gpt-5-6（账号池里最强的推理+视觉对话模型）。三种调整方式：

  • 每次调用传 model 参数临时覆盖（如 gpt-5-6-mini 省额度）；

  • 全局默认：环境变量 VISION_MODEL（如设为 auto 交由后端路由）；

  • 注意 gpt-image-2 是生图模型，不用于识图。

配置（环境变量）

变量

默认

说明

VISION_API_KEY

必填

视觉后端的 Bearer key（chatgpt2api 的 config.json → auth-key）

VISION_API_BASE

http://127.0.0.1:8000

OpenAI 兼容端点地址

VISION_MODEL

gpt-5-6

全局默认模型

VISION_TIMEOUT_MS

120000

单次请求硬超时（账号池繁忙时可调大）

VISION_MAX_IMAGE_BYTES

20971520

单图字节上限（编码前）

VISION_MAX_RETRIES

2

传输错误/429/5xx 的重试次数（退避递增）

排障

  • token_expired —— 账号池上游 token 过期：到 chatgpt2api 面板刷新/重登账号（配置里有 auto_relogin_after_refresh）。

  • HTTP 502 / TLS connect error —— 池子的上游代理（WARP/Privoxy）不健康：检查 chatgpt2api 的稳定代理运行时面板。

  • HTTP 401 —— VISION_API_KEY 与后端 auth-key 不一致。

  • 请求超时 —— 调大 VISION_TIMEOUT_MS；池子空闲时通常 10-30 秒内返回。

  • 格式不识别 —— 图片按文件头判定；损坏或非图片文件会被拒绝。

隐私与边界

  • 发给视觉端点的图片会到达其后端模型（默认为你自己的 chatgpt2api 账号池→ChatGPT）：不要用公共 vision API 处理敏感截图。

  • 本服务器只做工具桥接：无状态、不落盘、不写日志文件（诊断仅到 stderr）。

开发

npm run typecheck   # 严格模式类型检查
npm run build       # 产物到 dist/
npm run smoke       # 真实 stdio 端到端冒烟（需 VISION_API_KEY + 测试图）
npm run doctor      # 环境体检

许可

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers