Skip to main content
Glama

SiliconFlow-Vision-MCP

基于 SiliconFlow 多模态视觉 API(OpenAI 兼容格式)的 MCP 服务器,提供 8 个视觉工具 + 模型列表查询。

环境要求

Related MCP server: vision-mcp-server

安装与启动

bun install          # 安装依赖(已含 @modelcontextprotocol/sdk)
bun run src/index.js # 启动 MCP server(stdio)

配置 API Key

默认从环境变量 SILICONFLOW_API_KEY 读取。

Windows(PowerShell)

临时设置(仅当前会话):

$env:SILICONFLOW_API_KEY = "sk-你的Key"

永久设置(用户级环境变量):

setx SILICONFLOW_API_KEY "sk-你的Key"

Linux / macOS

临时设置:

export SILICONFLOW_API_KEY="sk-你的Key"

永久设置(写入 ~/.bashrc~/.zshrc):

echo 'export SILICONFLOW_API_KEY="sk-你的Key"' >> ~/.bashrc
source ~/.bashrc

自定义环境变量名

如需让 server 从其他变量读取 Key,设置 SILICONFLOW_API_KEY_NAME 指向目标变量:

  • Windows:$env:SILICONFLOW_API_KEY_NAME = "MY_KEY"

  • Linux/macOS:export SILICONFLOW_API_KEY_NAME=MY_KEY

也可在 MCP 客户端配置中通过 env 注入(见下方示例)。

可选环境变量:

变量

默认值

说明

SILICONFLOW_API_KEY

-

API Key(必填)

SILICONFLOW_API_KEY_NAME

SILICONFLOW_API_KEY

指定从哪个环境变量读 Key

SILICONFLOW_BASE_URL

https://api.siliconflow.cn/v1

兼容服务地址

工具列表

工具

说明

ui_to_artifact

UI 截图 → 代码 / 提示词 / 设计规范 / 描述

extract_text_from_screenshot

截图 OCR 文字提取(代码、终端、文档)

diagnose_error_screenshot

错误弹窗/堆栈/日志截图 → 定位与修复建议

understand_technical_diagram

架构图/流程图/UML/ER 图结构化解读

analyze_data_visualization

仪表盘/图表 → 趋势、异常、业务要点

ui_diff_check

两张 UI 截图对比,识别视觉差异

image_analysis

通用图像理解(自由提问)

video_analysis

视频场景解析(本地 ≤8MB,MP4/MOV/M4V)

list_models

拉取远端可用多模态模型列表

所有视觉工具均支持 model 参数覆盖默认模型;默认模型 Qwen/Qwen3-VL-8B-Instruct(速度快、成本低;对质量要求高时可显式指定 Qwen/Qwen3-VL-32B-Instruct)。

内置模型能力(2026-08-04 对 SiliconFlow API 实测,发送最小图片/音频/视频探测,比文档更可靠;实测脚本见 scripts/probe-multimodal.mjs):

模型

图片

音频

视频

Qwen/Qwen3-VL-8B-Instruct(默认)

Qwen/Qwen3-VL-32B-Instruct

Qwen/Qwen3-Omni-30B-A3B-Instruct

zai-org/GLM-4.5V

deepseek-ai/DeepSeek-OCR

PaddlePaddle/PaddleOCR-VL-1.5

注意:视频分析只能使用支持视频的模型(Qwen3-VL / Qwen3-Omni 系列);stepfun-ai/Step-3.5-Flash 经实测不是多模态模型,已从内置列表移除。

媒体输入支持三种形式:

  1. 本地文件路径(server 读取后转 base64,隐私:日志不记录路径与内容)

  2. http(s):// URL(透传给远端)

  3. data: URI(base64)

大小限制:图片 20MB,视频 8MB(本地文件)。

注册到 Codex

~/.codex/config.toml 中追加(将 <项目路径> 替换为实际路径):

[mcp_servers.siliconflow-vision-mcp]
command = "bun"
args = ["run", "<项目路径>/src/index.js"]

[mcp_servers.siliconflow-vision-mcp.env]
SILICONFLOW_API_KEY = "{env:SILICONFLOW_API_KEY}"

路径写法:

  • Windows:C:\Users\你的用户名\siliconflow-vision-mcp\src\index.js(TOML 中用单引号包裹,反斜杠无需转义)

  • Linux/macOS:/home/你的用户名/siliconflow-vision-mcp/src/index.js

{env:...} 为 Codex 环境变量引用语法;也可以直接写入明文(不推荐)。

注册到其他 MCP 客户端(示例)

opencode ~/.config/opencode/opencode.jsonc:

{
  "mcp": {
    "siliconflow-vision-mcp": {
      "type": "local",
      "command": ["bun", "run", "<项目路径>/src/index.js"],
      "enabled": true,
      "environment": {
        "SILICONFLOW_API_KEY": "{env:SILICONFLOW_API_KEY}"
      }
    }
  }
}

验证

# 协议与工具注册检查(无需 API Key)
bun run scripts/verify.mjs

# 真实 API 调用检查(需要 SILICONFLOW_API_KEY)
bun run scripts/verify-live.mjs

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    C
    maintenance
    An enhanced MCP server for Z.AI vision understanding that supports custom OpenAI-compatible endpoints and provides 8 vision tools for image/video analysis, including image understanding, OCR, UI-to-code, diagram comprehension, and error diagnosis.
    1
    MIT
  • A
    license
    Not graded
    quality
    C
    maintenance
    MCP server that gives DeepSeek and other clients vision capabilities by routing images to open-source multimodal models, returning structured specifications or answers. Supports CLI and MCP tools for design analysis and general image Q&A.
    15 npm
    MIT