Skip to main content
Glama
ganyu123456

mcp-multivision-server

by ganyu123456

MCP Multivision Server

为大模型提供图片与视频分析能力的 MCP 服务器,纯云端:所有视觉理解都交给 OpenAI 兼容的云端视觉大模型完成,视频原生交给模型处理(如 Qwen3.5,通过 DashScope video_url)—— 本地不做任何抽帧/转码,镜像轻量、无 ffmpeg / OpenCV 依赖。

设计:视频的抽帧与时序对齐由模型服务端完成。一份 base_url + api_key + model 配置即可切换 通义千问3.5 / Qwen-VL / GLM-4V / GPT-4o(GPT-4o 仅图片,不支持 video_url)。

功能

  • 图片理解问答:描述、问答、OCR、图表解读、UI 分析、示意图理解、报错诊断(vision_analyze_image,含任务预设)

  • 视频理解(原生):把视频直接交给云端多模态大模型,按时间顺序分析场景/对象/动作/事件(vision_analyze_video)

  • 图片元信息(本地):EXIF/尺寸/格式,Pillow 解析(vision_image_metadata)

  • 支持 stdio 与 SSE 两种传输

  • 输入支持:本地绝对路径 / file:// / http(s):// / base64(data URI);视频推荐传 http(s) URL

Related MCP server: Vision MCP for Reasonix

快速开始

1. 配置云端视觉模型(OpenAI 兼容)

视频需选支持原生视频的模型:

平台

MCP_VISION_BASE_URL

示例 MCP_VISION_MODEL

视频

通义千问3.5

https://dashscope.aliyuncs.com/compatible-mode/v1

qwen3.5-plus

通义千问VL

https://dashscope.aliyuncs.com/compatible-mode/v1

qwen-vl-max

智谱 GLM-4V

https://open.bigmodel.cn/api/paas/v4

glm-4v

视模型

OpenAI

https://api.openai.com/v1

gpt-4o

✗(仅图片)

video_url 是 DashScope 对 OpenAI 协议的扩展,因此原生视频当前主要在通义千问系列可用; OpenAI 官方 GPT-4o 不支持 video_url,只能做图片。

2. 本地开发运行

无需 ffmpeg,纯 Python 依赖:

python -m venv .venv && source .venv/bin/activate
pip install -e ".[sse]"

# stdio(本地 MCP 客户端)
mcp-multivision-server

# SSE(远程 MCP 客户端)
MCP_TRANSPORT=sse MCP_PORT=8093 mcp-multivision-server

部署

cp .env.example .env       # 填入 MCP_VISION_BASE_URL / API_KEY / MODEL
docker compose up -d

镜像基于 python:3.11-slim,无 ffmpeg / OpenCV / 系统库依赖,体积约 200MB。

推送 v* tag 触发 GitHub Actions:原生 amd64 + arm64 构建、推送 Harbor、多架构 manifest、GitHub Release。 需配置仓库 secrets HARBOR_USERNAME / HARBOR_PASSWORD

MCP 客户端配置

SSE:

{ "mcpServers": { "multivision": { "url": "http://<your-server>:8093/sse" } } }

stdio:

{
  "mcpServers": {
    "multivision": {
      "command": "mcp-multivision-server",
      "env": {
        "MCP_VISION_BASE_URL": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "MCP_VISION_API_KEY": "your_api_key",
        "MCP_VISION_MODEL": "qwen3.5-plus"
      }
    }
  }
}

环境变量

变量

默认值

说明

MCP_TRANSPORT

stdio

stdiosse

MCP_HOST / MCP_PORT

0.0.0.0 / 8093

SSE 监听地址

MCP_VISION_PROVIDER

openai

provider 名(当前支持 openai 兼容)

MCP_VISION_BASE_URL

视觉模型 API 基址

MCP_VISION_API_KEY

视觉模型 API Key

MCP_VISION_MODEL

模型名(视频需支持原生视频,如 qwen3.5-plus)

MCP_VISION_MAX_TOKENS

1024

生成上限

MCP_VISION_TEMPERATURE

0.2

采样温度

MCP_VISION_TIMEOUT

120

请求超时(秒),视频较慢

MCP_VISION_MAX_RETRIES

3

失败重试次数

MCP_VISION_MAX_IMAGE_SIZE

20971520

单图 base64 字节上限(20MB)

MCP_VISION_MAX_VIDEO_SIZE

104857600

本地视频转 base64 上限(100MB),更大请传 URL

MCP_VISION_ALLOWED_IMAGE_FORMATS

jpeg,png,webp,gif,bmp,tiff

允许的图片格式

MCP_VISION_CACHE_ENABLED

false

是否缓存分析结果

MCP_VISION_CACHE_DIR

/tmp/mcp-vision-cache

缓存目录

MCP 工具列表

工具

说明

是否需云端 key

vision_analyze_image

图片描述/问答/OCR/图表/UI/报错(含 preset)

vision_analyze_video

视频原生交给云端模型理解(video_url)

vision_image_metadata

尺寸/格式/EXIF/GPS(本地 Pillow)

vision_get_server_status

配置与可用性自检

vision_analyze_imagepreset 可选:describe / ocr / chart / ui / diagram / error;提供 prompt 时覆盖 preset。

项目结构

03-mcp-multivision-server/
├── Dockerfile / docker-compose.yaml / .env.example
├── pyproject.toml / requirements.txt
├── .github/workflows/build-release.yaml
└── src/mcp_multivision_server/
    ├── server.py                 # 入口 + 4 个工具
    ├── providers/                # 云端 VLM
    │   ├── base.py               # BaseVisionProvider / VisionResult / ProviderError
    │   └── openai_compat.py      # OpenAI 兼容 provider(含 video_url)
    └── media/
        ├── inputs.py             # 输入解析:图片/视频 → image_url / video_url
        └── imageinfo.py          # 本地 EXIF/尺寸(Pillow)

许可

MIT

Install Server
A
license - permissive license
A
quality
B
maintenance

Maintenance

Maintainers
Response time
0dRelease cycle
2Releases (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.

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/ganyu123456/mcp-multivision-server'

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