Skip to main content
Glama
Sign In
MCP Vision Server

MCP Vision Server

by coffe-d
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

MCP Vision Server · 视觉识别服务

License: MIT

语言 / Language： 中文 | English

基于 Kimi/Moonshot 视觉 API 的 MCP 服务器，作为 Claude Code 全局插件使用。传入本地图片路径，返回 AI 对图片内容的详细描述、文字提取等。

MCP server for image recognition via Kimi/Moonshot vision API. Works as a global Claude Code plugin.

中文

功能

  • describe_image — 识别图片内容，返回文字描述

  • describe_image_to_file — 识别并保存为 UTF-8 文件（解决 Windows 终端中文乱码）

  • 支持 PNG / JPG / GIF / WebP / BMP，最大 20MB

  • 支持自定义提示词（如"提取所有文字""描述图表结构"）

安装

pip install mcp-vision-server

或从源码安装：

git clone https://github.com/coffe-d/MCP-Vision-Server.git
cd mcp-vision-server
pip install -e .

获取 API Key

在 Moonshot 开放平台 注册并创建 API Key。

注册到 Claude Code

claude mcp add vision-server \
  --env KIMI_API_KEY="sk-你的密钥" \
  -- mcp-vision-server

注册后 Claude Code 即可使用 describe_image 和 describe_image_to_file 两个工具。

配置

环境变量

必填

默认值

说明

KIMI_API_KEY

是

—

Moonshot API 密钥

KIMI_BASE_URL

否

https://api.moonshot.cn/v1

API 地址

KIMI_MODEL

否

moonshot-v1-8k-vision-preview

模型名称

工具说明

describe_image — 识别图片，返回文本描述。

参数

类型

必填

默认值

说明

image_path

string

是

—

图片绝对路径

prompt

string

否

—

自定义提示词

max_tokens

int

否

4096

最大输出长度

describe_image_to_file — 识别图片，结果保存为 UTF-8 文件。适合中文环境避免终端乱码。

参数

类型

必填

默认值

说明

image_path

string

是

—

图片绝对路径

output_path

string

否

自动（同名 .md）

输出文件路径

常见问题

"KIMI_API_KEY environment variable is not set"

未设置环境变量。注册时确保使用了 --env KIMI_API_KEY="sk-..."。

终端中文乱码

使用 describe_image_to_file 代替 describe_image，结果直接写入 UTF-8 文件。

"不支持的图片格式"

仅支持 PNG、JPG、JPEG、GIF、WebP、BMP 格式。

许可

MIT — 详见 LICENSE。

Related MCP server: glm-vision-mcp-server

English

Features

  • describe_image — Recognize image content and return text description

  • describe_image_to_file — Recognize and save result to a UTF-8 file

  • Supports PNG / JPG / GIF / WebP / BMP up to 20MB

  • Customizable prompt for targeted extraction

Install

pip install mcp-vision-server

Or from source:

git clone https://github.com/coffe-d/MCP-Vision-Server.git
cd mcp-vision-server
pip install -e .

Get an API key

Sign up at Moonshot Platform and create an API key.

Register with Claude Code

claude mcp add vision-server \
  --env KIMI_API_KEY="sk-your-key-here" \
  -- mcp-vision-server

Configuration

Variable

Required

Default

Description

KIMI_API_KEY

Yes

—

Moonshot API key

KIMI_BASE_URL

No

https://api.moonshot.cn/v1

API base URL

KIMI_MODEL

No

moonshot-v1-8k-vision-preview

Model name

API Reference

describe_image — Return image description as text.

Parameter

Type

Required

Default

Description

image_path

string

Yes

—

Absolute path to image

prompt

string

No

—

Custom prompt

max_tokens

int

No

4096

Max output tokens

describe_image_to_file — Save result to a UTF-8 file.

Parameter

Type

Required

Default

Description

image_path

string

Yes

—

Absolute path to image

output_path

string

No

auto (.md)

Output file path

Troubleshooting

"KIMI_API_KEY environment variable is not set" — Make sure you passed --env KIMI_API_KEY="sk-..." when running claude mcp add.

Garbled Chinese in terminal — Use describe_image_to_file to write directly to UTF-8 file.

License

MIT — see LICENSE.

Available Tools

2 tools
describe_imageA

识别图片内容。传入本地图片的绝对路径，返回AI对图片内容的详细描述。

参数:

  • image_path: 图片的绝对路径，支持 PNG/JPG/JPEG/GIF/WEBP/BMP

  • prompt: 自定义提示词，可指定需要提取的信息类型（如"提取所有文字"、"描述图表结构"等）

  • max_tokens: 最大输出长度，默认4096

Inputs: image_path (required), prompt, max_tokens. Returns: result

describe_image_to_fileA

识别图片内容并保存到文件（解决 Windows 终端中文乱码问题）。

将AI识别结果直接写入UTF-8编码的文本文件，完全绕过终端编码问题。 如果未指定输出路径，默认在原图同目录下生成同名的 .md 文件。

参数:

  • image_path: 图片的绝对路径

  • output_path: 输出文件的路径（可选，默认与原图同名 .md）

  • prompt: 自定义提示词

  • max_tokens: 最大输出长度

Inputs: image_path (required), output_path, prompt, max_tokens. Returns: result

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Deploy Server
    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

    TDQS

    A3.6/5.0

    Scored across 2 tools

    Disambiguation4/5

    Both tools describe images, but one outputs to terminal and the other saves to file. Their purposes are clearly distinguished, though the core functionality overlaps.

    Naming Consistency5/5

    Both tools follow a consistent verb_noun pattern: 'describe_image' and 'describe_image_to_file'. The naming is predictable and clear.

    Tool Count3/5

    With only two tools, the server feels thin but covers the basic need of describing images and optionally saving results. It is borderline for the typical 3-15 tool range.

    Completeness2/5

    The tool surface is minimal and lacks features like batch processing, model selection, or other vision tasks. Agents have no way to adjust output formats beyond file writing, leaving notable gaps.

    Maintenance

    ActivityNo data
    ResponsivenessOutdated data

    Resources

    Related MCP Connectors

    Related MCP Servers