Skip to main content
Glama

llm-vision-mcp 👁️


📌 这是什么?

通过 MCP stdio 协议为文本模型提供图片理解能力的本地服务,专注磁盘图片分析:

  • 支持任意 OpenAI 兼容的视觉模型供应商(默认 ModelScope 免费的通义千问VL,国内直连,每天 2000 次调用,单模型 500 次),可通过 BASE_URL/VISION_MODEL 切换

  • 通过 MCP stdio 协议供 Claude Code / Opencode 等客户端调用

  • 本地进程运行,不开放任何网络端口

为什么需要? DeepSeek / GLM 等文本模型的 API 没有视觉能力——给它一个图片路径,它只能"看到"路径本身。本 MCP Server 把图片转成文字描述,让文本模型也能"看图说话"。

DeepSeek / Claude Code / Opencode
        │  MCP stdio
        ▼
┌─────────────────────┐   HTTPS   ┌──────────────────────┐
│   llm-vision-mcp    │ ────────▶ │  OpenAI 兼容供应商    │
│   (Node.js)         │           │  (默认 ModelScope     │
└─────────────────────┘           │   Qwen3-VL-8B)       │
        ▲                         └──────────────────────┘
        │ 读取图片文件 → base64 → 返回文字描述

Related MCP server: Vision MCP Server

⚡ 快速开始

已发布到 npm,无需克隆仓库,客户端会通过 npx / pnpm dlx 自动下载运行:

# 首次使用:获取免费 API Key(每天2000次,单模型500次)—— 默认 ModelScope 供应商
# ① 打开 https://modelscope.cn 注册/登录
# ② 点右上角头像 → 个人中心 → 访问令牌
#    或直接访问: https://modelscope.cn/my/myaccesstoken
# ③ 首次使用会提示绑定阿里云账号(必须,按页面引导完成)
# ④ 点击"新建访问令牌" → 命名 → 生成 → 复制
# ⑤ 令牌格式为 ms-xxxxxxxxxxxx,使用时去掉 ms- 前缀!

# 验证可用性:启动 MCP Server(stdio,Ctrl+C 退出)
npx -y @me9rez/llm-vision-mcp mcp
# 或 pnpm
pnpm dlx @me9rez/llm-vision-mcp mcp

然后按下方「客户端配置」把 MCP Server 接入 Claude Code / Opencode,在 env 中注入 API_KEY 即可。也可以直接用 CLI 分析图片(见下方「🖥️ CLI 使用」)。

🧑‍💻 本地开发

git clone <仓库地址> && cd llm-vision-mcp
npm install
npm start        # 启动 MCP Server
npm test         # 单元测试
npm run smoke    # 冒烟测试(无需 API Key)

🖥️ CLI 使用

不接 MCP 客户端时,也可以在终端直接分析图片:

# 查看帮助(列出全部命令与环境变量)
npx -y @me9rez/llm-vision-mcp --help

# 分析图片(默认通用分析提示词)
npx -y @me9rez/llm-vision-mcp analyze_image ./图片.png

# 带自定义问题
npx -y @me9rez/llm-vision-mcp analyze_image ./图片.png "描述图片中的颜色和字体"

# 其他命令:extract_text(OCR)、describe_ui、diagnose_error、
#          understand_diagram、analyze_chart、code_from_screenshot
# 下划线可替换为短横线(如 extract-text),效果相同

# 启动 MCP Server(stdio 模式)
npx -y @me9rez/llm-vision-mcp mcp
API_KEY=你的密钥 npx -y @me9rez/llm-vision-mcp analyze_image ./图片.png

📋 MCP 工具列表

工具

功能

analyze_image

分析磁盘图片文件(可传自定义 prompt

extract_text

磁盘图片 OCR 提取文字

describe_ui

分析磁盘 UI 图片

diagnose_error

诊断磁盘错误图片

understand_diagram

解读流程图/架构图

analyze_chart

分析数据图表

code_from_screenshot

从磁盘图片提取代码

🔌 客户端配置

Claude Code.claude/settings.json):

{
  "mcpServers": {
    "llm-vision-mcp": {
      "command": "npx",
      "args": ["-y", "@me9rez/llm-vision-mcp", "mcp"],
      "env": {
        "API_KEY": "你的_API_Key"
      }
    }
  }
}

⚠️ Windows 下如 npx 无法直接启动,可将 command 改为 npx.cmd,或使用 "command": "cmd", "args": ["/c", "npx", "-y", "@me9rez/llm-vision-mcp", "mcp"]。 完整示例见 examples/claude_code_settings.json

只启用部分工具(减少 agent 上下文占用,TOOLS--tools 二选一):

{
  "mcpServers": {
    "llm-vision-mcp": {
      "command": "npx",
      "args": ["-y", "@me9rez/llm-vision-mcp", "mcp", "--tools", "analyze_image,extract_text"],
      "env": {
        "API_KEY": "你的_API_Key"
      }
    }
  }
}

或通过 env 注入:"env": { "API_KEY": "…", "TOOLS": "analyze_image,extract_text" }。工具名支持 - 代替 _(如 extract-text)。

Opencode%APPDATA%\opencode\opencode.json):

{
  "mcp": {
    "llm-vision-mcp": {
      "type": "local",
      "command": ["npx", "-y", "@me9rez/llm-vision-mcp", "mcp"],
      "enabled": true,
      "environment": {
        "API_KEY": "你的_API_Key"
      }
    }
  }
}

完整示例见 examples/opencode.json

⚙️ 环境变量

支持任意 OpenAI 兼容的视觉模型供应商,全部通过环境变量配置:

变量

必填

默认值

说明

API_KEY

-

供应商密钥(ModelScope 令牌需去掉 ms- 前缀

BASE_URL

https://api-inference.modelscope.cn/v1

OpenAI 兼容接口地址,可替换为任意供应商

VISION_MODEL

Qwen/Qwen3-VL-8B-Instruct

视觉模型名(如 Qwen/Qwen3-VL-235B-A22B-Instruct

TEMPERATURE

0.7

采样温度(数字,如 0 / 0.5

MAX_TOKENS

32768

最大生成长度(正整数)

TOOLS

(全部)

启用工具白名单,逗号分隔(如 analyze_image,extract_text);留空启用全部。仅影响 MCP 模式,用于减少 agent 上下文占用

配置其他供应商示例(如本地 Ollama / vLLM 部署):

{
  "mcpServers": {
    "llm-vision-mcp": {
      "command": "npx",
      "args": ["-y", "@me9rez/llm-vision-mcp", "mcp"],
      "env": {
        "API_KEY": "sk-xxx",
        "BASE_URL": "http://localhost:8000/v1",
        "VISION_MODEL": "qwen2.5-vl-7b",
        "TEMPERATURE": "0.2",
        "MAX_TOKENS": "32768"
      }
    }
  }
}

🛡️ 安全

  • 本地 stdio 进程运行,不开放任何网络端口

  • 仅接受图片格式(.png .jpg .jpeg .gif .webp .bmp),防止 LLM 注入后读取任意文件

  • 文件大小限制 20MB,扩展名 + 魔数双重校验

  • 图片经 base64 编码发送至视觉模型供应商 API,参阅其隐私政策

🙏 参考来源

  • deepseek-eyes(MIT)— 本项目参考的原始项目:MCP Server + 通义千问VL,原项目为 Python 实现并含剪贴板工具;本项目以 Node.js 重写并移除了剪贴板工具

  • 视觉模型:通义千问VL / Qwen-VL via ModelScope

📄 License

MIT

Install Server
F
license - not found
B
quality
C
maintenance

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

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

  • Zero-auth MCP: image optimize, cited storage/format data, and dev utilities LLMs get wrong.

  • Multimodal video analysis MCP — transcription, vision, and OCR for any video URL.

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/me9rez/llm-vision-mcp'

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