How do I use visual-understand-mcp?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@visual-understand-mcp What does this screenshot show?" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

视觉理解 MCP Server

为不支持视觉的编码模型提供图片理解能力。

原理

编码模型（如 GLM-5.1）遇到图片时，自动调用 MCP 工具 understand_image，由视觉模型完成图片识别，结果以文本回传给编码模型继续推理。无需切换模型，上下文不中断。

用户粘贴截图 → 编码模型调用 understand_image → 视觉模型识别 → 文字描述回传 → 继续编码

Related MCP server: image_mcp

安装方式一：通过 PyPI / uvx 使用（推荐）

MCP 配置示例：

{
  "mcpServers": {
    "visual-understand": {
      "command": "uvx",
      "args": ["visual-understand-mcp"],
      "env": {
        "VISION_API_BASE": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "VISION_MODEL": "qwen-vl-max",
        "VISION_API_KEY": "sk-xxx"
      }
    }
  }
}

安装方式二：本地源码运行

{
  "mcpServers": {
    "visual-understand": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/visual-understand-mcp",
        "run", "visual-understand-mcp"
      ],
      "env": {
        "VISION_API_BASE": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "VISION_MODEL": "qwen-vl-max",
        "VISION_API_KEY": "sk-xxx"
      }
    }
  }
}

配置项

变量	说明	默认值
`VISION_API_BASE`	视觉模型 API 地址	无（必填）
`VISION_MODEL`	视觉模型名称	无（必填）
`VISION_API_KEY`	视觉模型密钥	无（必填）
`VISION_TEMPERATURE`	输出随机性	`0.1`
`VISION_MAX_TOKENS`	最大输出长度	`12000`
`VISION_TIMEOUT`	请求超时（秒）	`120`
`VISION_SYSTEM_PROMPT`	视觉模型系统提示词	见下方

前三个必填，其余可选。配置也可写入 ~/.visual-understand-mcp/config.json，env 优先级更高。

默认系统提示词：

你是一个图片分析助手。请按以下结构分析图片，根据实际内容调整详细程度：1. 文字内容 — 逐字提取图中所有可见文字，保留原始格式和层级关系，错误信息和代码片段原样输出。2. 视觉布局与元素 — 描述空间排列、尺寸、颜色及关键元素间的关系。UI 截图请识别组件类型及其状态。3. 数据与指标 — 图表、表格请提取数值、坐标轴、标签、趋势及异常数据点。4. 整体概述 — 概括图片的主题、场景和关键信息，提供完整的上下文理解。不适用的部分跳过。保持精确客观，不推测不可见的内容。

建议写入 CLAUDE.md

进行图片识别任务时，使用 visual-understand MCP 的 understand_image 工具。

本地调试

uv run mcp dev src/visual_understand_mcp/server.py

License

MIT

This server cannot be installed

F

license - not found

-

quality - not tested

C

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

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

visual-understand-mcp