文本模型 ──MCP调用──▶ vision-mcp ──▶ OpenAI / Gemini / Claude（多模态 API）
                        │
                        ├──▶ 图像理解（描述、问答、OCR）
                        └──▶ 图像处理（缩放、裁剪、旋转、转换、压缩、滤镜）

git clone <your-repo-url> vision-mcp
cd vision-mcp
python -m venv .venv
.venv\Scripts\pip install -r requirements.txt    # Windows
# source .venv/bin/pip install -r requirements.txt  # macOS / Linux

VISION_PROVIDER=openai            # openai | gemini | anthropic
OPENAI_API_KEY=sk-...
# 若使用 OpenAI 兼容端点（智谱 / DeepSeek 等）：
# OPENAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
# OPENAI_VISION_MODEL=glm-4.6v-flash

{
  "mcpServers": {
    "vision-mcp": {
      "command": "path/to/vision-mcp/.venv/Scripts/python.exe",
      "args": ["-m", "vision_mcp.server"],
      "cwd": "path/to/vision-mcp"
    }
  }
}

{
  "hooks": {
    "UserPromptSubmit": [
      {
        "hooks": [
          {
            "type": "command",
            "command": "path/to/vision-mcp/.venv/Scripts/python.exe path/to/vision-mcp/image_attach_hook.py",
            "timeout": 90
          }
        ]
      }
    ]
  }
}

.venv\Scripts\python -m vision_mcp.server --help
# 或直接起 stdio 服务：
.venv\Scripts\python -m vision_mcp.server

vision_mcp/
├── config.py       # 多 provider 配置（OpenAI / Gemini / Anthropic）
├── vision.py       # 视觉后端：图像理解、问答、OCR
├── image.py        # 图片加载、预处理、格式转换
├── processor.py    # 本地图像处理（resize/crop/rotate/滤镜等）
├── server.py       # MCP 服务入口，注册 5 个工具
└── __init__.py

image_attach_hook.py # UserPromptSubmit hook：上传图片自动分析
run_vision_mcp.bat    # Windows 启动脚本
e2e_test.py           # 端到端测试脚本
requirements.txt      # Python 依赖