Skip to main content
Glama
visianlee

Vision MCP

by visianlee
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript
Local

🔍 Vision MCP — 多模型视觉桥接

让 DeepSeek 等纯文本模型拥有「眼睛」，通过 MCP 协议桥接到 6 个免费多模态视觉 API。

License MCP Providers

🎯 解决的问题

Claude Code 使用 DeepSeek 等纯文本模型时，模型无法理解图片 —— 截图的报错、UI 设计稿、手绘架构图、文档扫描件统统「看不见」。

Vision MCP 是一个 MCP Server，自动检测图片请求，桥接到 6 个免费视觉模型，按优先级自动 Fallback，将图片转为文字描述后返回给主模型。

Related MCP server: vision-bridge-mcp

✨ 特性

特性

说明

🆓 完全免费

6 个 Provider 全部免费，零成本

🔄 6重Fallback

Gemini → 硅基 → 智谱 → 月之暗面 → 魔搭 → Intern-AI，自动切换

🇨🇳 国内友好

5/6 个 Provider 国内直连，无需代理

💾 智能缓存

SHA256 去重，避免重复分析同一张图，7天自动过期

🛠 7个专用工具

通用分析 / OCR / 对比 / 错误诊断 / 图表分析 / UI评估 / 状态检查

⚙️ 完全可配置

JSON 配置文件，按需启用/禁用 Provider，调整优先级

🚀 235B顶级模型

魔搭 Qwen3-VL-235B、InternVL3.5-241B 免费可用

🚀 快速开始

1. 克隆并安装

git clone https://github.com/YOUR_USERNAME/vision-mcp.git
cd vision-mcp
npm install

2. 获取免费 API Key（任选一个即可，推荐多个）

Provider

获取地址

免费额度

Google Gemini

https://aistudio.google.com/apikey

1500次/天

硅基流动

https://siliconflow.cn

注册送额度

智谱AI

https://open.bigmodel.cn

永久免费

月之暗面

https://platform.moonshot.cn

3次/分钟

魔搭

https://modelscope.cn

2000次/天

Intern-AI

https://chat.intern-ai.org.cn

10次/分钟

3. 配置 Claude Code

创建或编辑 ~/.mcp.json（或项目根目录 .mcp.json）：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "node",
      "args": ["/path/to/vision-mcp/index.js"],
      "env": {
        "GEMINI_API_KEY": "AIza...",
        "SILICONFLOW_API_KEY": "sk-...",
        "ZHIPU_API_KEY": "xxx...",
        "MOONSHOT_API_KEY": "sk-...",
        "MODELSCOPE_API_KEY": "ms-...",
        "INTERN_AI_API_KEY": "sk-..."
      }
    }
  }
}

💡 只需配置你获取了 Key 的 Provider，未配置的会自动跳过。

4. 验证

在 Claude Code 中：

检查视觉服务状态

📖 使用示例

通用图片分析

分析这张截图: /path/to/screenshot.png
看看这张设计稿的布局和配色

OCR 文字提取

从这张图片提取文字，表格用Markdown输出: /path/to/scan.jpg

UI 对比（设计稿 vs 实现）

对比这两张截图，找出差异:
- 设计稿: /path/to/design.png
- 实现: /path/to/actual.png

错误诊断

诊断这个错误截图: /path/to/error.png
技术栈是 React + Next.js 14

图表分析

分析这个架构图的组件关系和潜在问题: /path/to/architecture.png

批量分析（多张截图）

分析这个文件夹下的所有截图，输出功能和设计报告:
/path/to/screenshots/

🏗 支持的 Provider

#

Provider

模型

参数

国内

状态

1

Google Gemini

gemini-2.5-flash

—

需代理

✅

2

硅基流动

Qwen3-VL-32B-Instruct

32B

✅

✅

3

智谱AI

GLM-4V-Flash

—

✅

✅

4

月之暗面

moonshot-v1-8k-vision

—

✅

✅

5

魔搭

Qwen3-VL-235B-A22B

235B

✅

✅

6

Intern-AI

InternVL3.5-241B

241B

✅

✅

Fallback 优先级：Gemini → 硅基流动 → 智谱 → 月之暗面 → 魔搭 → Intern-AI

⚙️ 自定义配置

编辑 config.json：

{
  "providers": {
    "gemini": {
      "enabled": true,           // 开关
      "model": "gemini-2.5-flash",
      "priority": 1              // 越小越优先
    },
    "siliconflow": {
      "enabled": true,
      "model": "Qwen/Qwen3-VL-32B-Instruct",
      "baseURL": "https://api.siliconflow.cn/v1",
      "priority": 2
    }
    // ... 其他 Provider
  },
  "cache": {
    "enabled": true,
    "ttlDays": 7                 // 缓存7天
  },
  "tools": {
    "analyze_image": { "enabled": true, "maxSizeMB": 20 },
    "ocr_text": { "enabled": true, "maxSizeMB": 20 }
    // 按需开关工具
  }
}

📁 项目结构

vision-mcp/
├── index.js              # MCP Server 主程序
├── config.json           # Provider 和工具配置
├── SKILL.md              # Claude Code Skill 定义
├── README.md             # 本文档
├── package.json          # Node 依赖
└── .vision-mcp-cache/    # 图片分析缓存（自动创建）

🛠 可用工具

工具

用途

analyze_image

通用图片分析 — 截图、照片、设计稿

compare_images

两张图对比 — UI回归、设计稿vs实现

ocr_text

文字提取 — 扫描件、表格、手写笔记

diagnose_error

错误诊断 — 报错截图、堆栈分析

analyze_diagram

图表分析 — 架构图、流程图、UML

analyze_ui

UI评估 — 界面设计、可用性、可访问性

check_vision

状态检查 — 查看可用 Provider

🔧 环境变量

变量

Provider

GEMINI_API_KEY

Google Gemini

SILICONFLOW_API_KEY

硅基流动

ZHIPU_API_KEY

智谱AI

MOONSHOT_API_KEY

月之暗面

MODELSCOPE_API_KEY

魔搭 ModelScope

INTERN_AI_API_KEY

Intern-AI（书生）

OPENAI_API_KEY

OpenAI（付费）

DASHSCOPE_API_KEY

阿里百炼（付费）

CUSTOM_VISION_KEY / CUSTOM_VISION_MODEL / CUSTOM_VISION_BASE_URL

自定义 API

VISION_DEBUG

开启调试日志

❓ FAQ

Q: 为什么不用 LiteLLM / OpenRouter？ A: 它们是网关，本身不提供视觉能力。直接对接原生 API 更稳定、延迟更低。

Q: 图片大小限制？ A: 默认 20MB，可在 config.json 中按工具调整。

Q: 缓存机制？ A: 基于 图片路径 + 问题 的 SHA256 哈希，默认 7 天 TTL。相同图片+相同问题直接返回缓存。

Q: 怎么知道用的是哪个 Provider？ A: 使用 check_vision 查看。每次分析结果底部也有耗时和版本信息。

Q: 支持 URL / 剪贴板吗？ A: 当前支持本地文件路径和 Data URL。HTTP URL 建议先下载到本地。

Q: 能添加自己的 API 吗？ A: 可以。在 config.json 的 custom provider 中配置任意 OpenAI 兼容 API。

📄 License

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

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers