deepseek-vision-mcp

一个基于 TypeScript 的 MCP（Model Context Protocol）服务器，封装 Gemini 视觉模型，用于图片分析。默认模型 gemini-3.5-flash，可通过环境变量覆盖。

功能

• 暴露 analyze_image 工具，调用 Gemini 视觉模型返回文本结果

• 图片来源支持三种：

  • 本地文件路径（如 C:\photos\a.png、./a.jpg）

  • http(s) 图片 URL（自动下载）

  • base64 data URI（data:image/png;base64,xxxx）

• 模型名、API Key、端点全部通过环境变量配置，代码中不硬编码任何密钥

Related MCP server: z_ai_vision_mcp_server_clone

环境变量（配置你的 API Key）

安装与构建

npm install
npm run build   # 产物在 dist/index.js

一键脚本安装（Windows，推荐）

仓库根目录自带 install.ps1，一条命令完成：克隆/更新代码 → npm install → npm run build → 生成 .env 模板 → 打印 MCP 注册配置与 skill 安装命令。

一条命令（PowerShell 5.1+，推荐）：

irm 'https://raw.githubusercontent.com/arieslee/deepseek-vision-mcp/main/install.ps1' | iex

注意：这会在当前目录下创建 deepseek-vision-mcp 文件夹并安装。执行远程脚本前请确认来源可信（内容可在 GitHub 上审阅）。

需要自定义参数（如指定安装目录）时，下载到本地运行：

Invoke-WebRequest -Uri "https://raw.githubusercontent.com/arieslee/deepseek-vision-mcp/main/install.ps1" -OutFile install.ps1
./install.ps1 -InstallDir D:\tools\deepseek-vision-mcp

常用参数：

./install.ps1 -InstallDir D:\tools\deepseek-vision-mcp   # 指定安装目录
./install.ps1 -SkipClone                                  # 目录已存在，只重新构建

npm 安装（npx 即用，最方便）

命名说明：npm 全局名 deepseek-vision-mcp 已被他人占用（另一个视觉 MCP server），因此使用作用域包 @ariesli/deepseek-vision-mcp——名字一致、归本仓库作者所有，npx 用法不变。

# 全局安装
npm install -g @ariesli/deepseek-vision-mcp

MCP 客户端配置（无需 clone，npx 直接运行，env 注入 Key；或在你工作目录放一个 .env 写入 GEMINI_API_KEY=你的Key，server 会自动读取 cwd 下的 .env）：

{
  "mcpServers": {
    "deepseek-vision-mcp": {
      "command": "npx",
      "args": ["-y", "@ariesli/deepseek-vision-mcp"],
      "env": { "GEMINI_API_KEY": "你的_API_Key" }
    }
  }
}

✅ 已发布：@ariesli/deepseek-vision-mcp@0.1.0 已在 npm 上架，以上配置可直接使用（npm view @ariesli/deepseek-vision-mcp 可查）。

从 GitHub 安装（手动方式，分发到其他机器 / 项目）

1. 获取代码

git clone https://github.com/arieslee/deepseek-vision-mcp.git
cd deepseek-vision-mcp
npm install
npm run build

2. 配置 API Key

复制 .env.example 为 .env，填入你的 Key（.env 已被 git 忽略，不会误提交）：

GEMINI_API_KEY=你的_API_Key

3. 注册 MCP server 到客户端

参考上文「在 MCP 客户端中配置」，command: node，args: [<克隆路径>\dist\index.js]。

4. 安装 vision skill（Reasonix）

仓库内自带 skills/vision/SKILL.md，两种安装方式任选：

• 从仓库根安装（自动识别 skill）：

  install_source source=https://github.com/arieslee/deepseek-vision-mcp

• 或直接安装 raw 文件：

  install_source source=https://raw.githubusercontent.com/arieslee/deepseek-vision-mcp/main/skills/vision/SKILL.md

装好后即可在 Reasonix 中说「识别这张图片」使用。skill 定位项目目录的顺序：VISION_MCP_DIR 环境变量 → 当前目录/父目录含 scripts/analyze-image.mjs → skill 自身位置向上推断 → 常见位置查找 → 询问用户。

在 MCP 客户端中配置

Claude Desktop

编辑 claude_desktop_config.json（Windows 位于 %APPDATA%\Claude\claude_desktop_config.json），添加：

{
  "mcpServers": {
    "gemini-vision": {
      "command": "node",
      "args": ["C:\\path\\to\\deepseek-vision-mcp\\dist\\index.js"],
      "env": {
        "GEMINI_API_KEY": "你的_API_Key",
        "GEMINI_MODEL": "gemini-3.5-flash"
      }
    }
  }
}

路径请换成你实际的 dist/index.js 绝对路径；Windows 下反斜杠需写成 \\。

Cursor / 其他支持 stdio MCP 的客户端

在客户端的 MCP 配置里注册同样的 server，env 中带上 GEMINI_API_KEY 即可。

命令行直接运行（调试）

PowerShell：

$env:GEMINI_API_KEY = "你的_API_Key"
$env:GEMINI_MODEL = "gemini-3.5-flash"
node dist/index.js

工具说明

analyze_image

返回值：模型的文本回答；出错时返回 isError: true 并附错误信息。

作为 vision skill 使用

本项目已封装为 vision skill（识别图片统一入口）。在 Reasonix 中直接说「识别这张图片」并给出图片位置即可，agent 会自动调用：

# 等价于手动运行（底层通过 stdio MCP 协议调用上面的 analyze_image 工具）
node scripts\analyze-image.mjs "<图片路径或URL>" "<可选的识别指令>"

• 图片来源同样支持本地路径 / http(s) URL / base64 data URI

• 仍需先配置 GEMINI_API_KEY（同上文环境变量）

开发命令

npm run dev    # tsx 直接运行源码（开发）
npm test       # 端到端冒烟测试（不调用真实 API，验证握手 / 工具注册 / 无 Key 错误路径）