Skip to main content
Glama
Peter-Lpt

vision-mcp

by Peter-Lpt
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

vision-mcp

为纯文本主模型补齐视觉能力的轻量 MCP server。当主模型遇到图片（截图、UI 图、流程图、报错截图等）但无法理解时，通过 MCP 工具把图片交给 OpenAI 兼容的多模态后端（Qwen-VL、GPT-4o、Gemini、本地 vLLM 等）分析，返回文本结果。

主模型(纯文本) ──调用 MCP 工具──▶ vision-mcp ──Chat Completions──▶ 多模态模型
   Claude/Codex ◀──────文本结果───────◀──────────────────────────   Qwen-VL / GPT-4o / ...

安装

先安装 MCP server 本体（Python）：

# Windows
powershell -ExecutionPolicy Bypass -File .\install.ps1
# macOS / Linux
./install.sh

然后按你的客户端接入：

Claude Code

claude mcp add vision-mcp -- \
  python /绝对/路径/vision-mcp/server.py

Codex

codex mcp add vision-mcp -- \
  python /绝对/路径/vision-mcp/server.py

修改 MCP 配置后需重启客户端生效。

pi

cp pi-extensions/vision-mcp.ts ~/.pi/agent/extensions/
# 依赖：typebox（必需，工具参数模式定义）；sharp（可选，图片缩放，未装则自动降级为不缩放）
cd ~/.pi/agent/extensions && npm i sharp typebox

复制后重启 pi 或 /reload 自动加载，无需 pi install。

Related MCP server: llm-vision-mcp

配置

优先级：config.json > 进程环境变量 > .env > 默认值。config.json 已被 gitignore，不入库。

cp config.example.json config.json   # 再编辑 api_key 等字段
{
  "api_key": "sk-your-dashscope-api-key",
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "model": "qwen-vl-plus",
  "max_tokens": 4096,
  "timeout": 120,
  "max_retries": 2,
  "retry_backoff": 2
}

pi 扩展额外读取 ~/.pi/vision-mcp/config.json（或用 VISION_CONFIG_PATH 指定），键与上述一致。

环境变量

默认值

说明

VISION_API_KEY

-

视觉后端 API Key

VISION_BASE_URL

dashscope

OpenAI 兼容端点

VISION_MODEL

qwen-vl-plus

视觉模型名

VISION_MAX_TOKENS

4096

单次最大输出 token

VISION_TIMEOUT

120

请求超时（秒）

VISION_MAX_RETRIES

2

瞬时故障重试次数

VISION_RETRY_BACKOFF

2

重试退避基数（秒）

VISION_MAX_IMAGE_BYTES

20971520

单图大小上限（字节）

VISION_MAX_IMAGE_DIMENSION

4000

图片最大边长 px，超限等比缩小

VISION_AUTO_RESIZE

true

是否自动缩放图片

常见后端：DashScope（默认）VISION_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1；OpenAI model=gpt-4o；本地 vLLM base_url=http://localhost:8000/v1。

检查配置

python server.py --check   # 打印生效配置，API key 脱敏

工具

  • vision_analyze — 通用图片理解。参数：prompt（可选）、image/image_path/image_url/image_base64（四选一）。

  • vision_ocr — 逐字提取图片文字。参数同 analyze（无 prompt）。

  • vision_analyze_batch — 批量分析多张。参数：items（必填，每项为四选一图片来源，可带 prompt）、prompt（可选）、concurrency（默认 3，范围 1-8）。

开源

以源码形式开源，欢迎 Fork / Issue / PR。

This server cannot be installed

F
license - not found
-
quality - not tested
B
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.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • mcp

    Augments MCP Server - A comprehensive framework documentation provider for Claude Code

  • Remote Desktop Commander

    Hosted MCP server connecting claude.ai, ChatGPT and other AI apps to your own computer

  • Frenchie

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

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/Peter-Lpt/vision-mcp'

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