de en es ja ko ru zh

vision-mcp

Name: vision-mcp
Author: skyone123

by skyone123

Overview Schema Related Servers Score Discussions

TypeScript

Local

🖼️ vision-mcp

Самостоятельно размещаемый мультимодальный MCP-сервер распознавания изображений VLM

Вставьте изображение в TUI-терминал → AI-клиент автоматически распознает и возвращает результат · данные не покидают внутреннюю сеть

MCP TypeScript Node Tests Build License: MIT Transport

Claude Code · Codex · OpenCode · любой MCP-совместимый клиент

✨ Зачем это нужно

	Преимущество	Описание
🔒	Приватное развёртывание, данные не покидают сеть	Прямое подключение к вашему самостоятельно размещённому VLM, изображения не проходят через сторонние облака
🔌	OpenAI-совместимый, бэкенд можно менять	vLLM / Ollama / GLM-4V / Qwen-VL на выбор — достаточно сменить base URL, без изменения кода
🖼️	Вставка изображения в TUI	Вставьте изображение в терминал — клиент автоматически вызовет инструмент распознавания, как в MCP распознавания изображений Zhipu
🧩	Четыре специализированных инструмента	Общее понимание / OCR / понимание диаграмм / UI-транскодирование, каждый с предустановленным system prompt и структурированным выводом
📥	Три способа ввода изображений	Локальный путь · http(s) URL · `data:` URI — клиент принимает любой
🛡️	Ошибки не утекают	Строки ошибок содержат только статику/коды состояния, тело ответа VLM или стек никогда не передаются клиенту
⚡	Лёгкий одиночный процесс	stdio, клиент поднимает дочерний процесс по мере необходимости, без постоянного запуска и состояния на сервере
🔁	Встроенная устойчивость	Автоматический повтор при 5xx/таймауте, без повтора при 4xx, таймаут запроса, лимит размера изображения
✅	Полное покрытие TDD	35 тестов + сквозной цикл (фейковый VLM + InMemoryTransport)

Related MCP server: readpic MCP Server

📐 Архитектура

flowchart LR
    A["🖥️ TUI 客户端<br/>(Claude Code / Codex / OpenCode)"] -- stdio JSON-RPC --> B
    subgraph B["vision-mcp (Node, stdio)"]
        direction TB
        C["tools ×4<br/>analyze_image / extract_text /<br/>understand_diagram / ui_to_code"]
        C --> D["analyze()<br/>共享核心"]
        D --> E["imageSource<br/>路径/URL/data-URI → 归一化"]
        D --> F["vlmClient<br/>OpenAI 兼容 + 重试"]
    end
    F -- HTTPS chat/completions --> G["🧠 自托管 VLM<br/>(qwen-vl / glm-4v / ...)"]
    G -- JSON --> B
    B -- tool result --> A

🛠️ Инструменты

Все используют общий image_source (локальный путь | http(s) URL | data: URI).

Инструмент	Специфичные параметры	Вывод
`analyze_image`	`prompt` (обязательный)	Описание на естественном языке / ответы на вопросы
`extract_text`	`prompt?`, `programming_language?`	OCR-текст (для скриншотов кода с указанием языка)
`understand_diagram`	`diagram_type?` (опущен или `auto`), `prompt?`	Структурированное описание + воспроизведение в mermaid/markdown
`ui_to_code`	`output_type` (`code`/`spec`/`description`), `framework?` (`html`/`react-tailwind`), `prompt?`	Соответствующие code/spec/description

🚀 Быстрый старт

Клонирование и сборка

git clone https://github.com/skyone123/vision-mcp.git
cd vision-mcp
npm install
npm run build      # 产出 dist/index.js + dist/index.d.ts
npm test           # 可选：35/35 测试

Клиенту нужен только dist/index.js — запишите его абсолютный путь (далее $DIST), он понадобится в конфигурации.

Пример: Linux/macOS /home/you/vision-mcp/dist/index.js; Windows D:/git/vision-mcp/dist/index.js.

Переменные окружения

Переменная	По умолчанию	Обязательно	Описание
`VLM_BASE_URL`	—	✅	OpenAI-совместимый base, например `http://localhost:8000/v1` (с `/v1`)
`VLM_MODEL`	`qwen-vl-max`	—	Название модели
`VLM_API_KEY`	`""`	—	Bearer token; заполняйте, только если бэкенд требует аутентификацию, при пустом значении заголовок `Authorization` не отправляется
`VLM_TIMEOUT_MS`	`60000`	—	Таймаут одного запроса
`VLM_MAX_IMAGE_BYTES`	`10485760`	—	Лимит изображения 10 МБ
`VLM_MAX_TOKENS`	`2048`	—	Лимит возвращаемых токенов

Без VLM_BASE_URL сервер завершится с ошибкой при запуске, без тихого сбоя.

🔧 Конфигурация

Шаг 1 · Определите, нужен ли бэкенду API-ключ

curl http://localhost:8000/v1/models

200 + список моделей → ключ не нужен
401/403 → ключ нужен, повторите с ключом: curl http://localhost:8000/v1/models -H "Authorization: Bearer ваш_токен"

Выберите визуальную модель из возвращённого списка:

curl -s http://localhost:8000/v1/models | grep '"id"'

Проверьте, что модель действительно принимает изображения (самое важное):

curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer 你的token" \
  -d '{
    "model": "qwen-vl-max",
    "messages": [{"role":"user","content":[
      {"type":"text","text":"一句话描述这张图"},
      {"type":"image_url","image_url":{"url":"https://upload.wikimedia.org/wikipedia/commons/thumb/4/47/PNG_transparency_demonstration_1.png/640px-PNG_transparency_demonstration_1.png"}}
    ]}]
  }'

Возвращается обычный текст → конечная точка работает, перенесите эти значения в env.

Шаг 2 · Пропишите в клиенте

Замените $DIST ниже на абсолютный путь к dist/index.js, записанный на предыдущем шаге, command — node.

claude mcp add vision-mcp --scope user \
  --env VLM_BASE_URL=http://localhost:8000/v1 \
  --env VLM_MODEL=qwen-vl-max \
  -- node "$DIST"

Если нужен ключ, добавьте строку --env VLM_API_KEY=ваш_токен.

{
  "command": "node",
  "args": ["/absolute/path/to/vision-mcp/dist/index.js"],
  "env": {
    "VLM_BASE_URL": "http://localhost:8000/v1",
    "VLM_MODEL": "qwen-vl-max"
  }
}

С ключом добавьте "VLM_API_KEY": "ваш_токен" в env.

{
  "mcpServers": {
    "vision-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/vision-mcp/dist/index.js"],
      "env": { "VLM_BASE_URL": "http://localhost:8000/v1", "VLM_MODEL": "qwen-vl-max" }
    }
  }
}

[mcp_servers.vision-mcp]
command = "node"
args = ["/absolute/path/to/vision-mcp/dist/index.js"]
env = { VLM_BASE_URL = "http://localhost:8000/v1", VLM_MODEL = "qwen-vl-max" }

{
  "mcp": {
    "vision-mcp": {
      "type": "local",
      "command": ["node", "/absolute/path/to/vision-mcp/dist/index.js"],
      "environment": {
        "VLM_BASE_URL": "http://localhost:8000/v1",
        "VLM_MODEL": "qwen-vl-max"
      }
    }
  }
}

В разных версиях OpenCode имена полей могут немного отличаться; если инструмент не появляется, сверьтесь с официальной документацией MCP.

Шаг 3 · Проверка

claude mcp list          # 应看到 vision-mcp，状态 connected

MCP-сервер не нужно держать запущенным вручную — клиент поднимает дочерний процесс по мере необходимости. Затем вставьте изображение в диалог и спросите «что на картинке» — клиент автоматически вызовет analyze_image; или явно:

Посмотрите это изображение инструментом analyze_image: <вставьте изображение>

💻 Разработка

npm run dev              # tsx 直接跑源码（开发期）
npm run build            # tsup 打包 dist/index.js
npm test                 # vitest，35/35
npx tsc --noEmit         # 类型检查

Структура исходного кода:

src/
  config.ts          # env → VlmConfig
  imageSource.ts     # loadImage: 路径/URL/data-URI 归一化
  vlmClient.ts       # complete: 调 OpenAI 兼容端点 + 重试/超时
  analyze.ts         # 共享核心: loadImage + complete
  server.ts          # McpServer 注册 + stdio + main
  index.ts           # #!/usr/bin/env node 入口
  tools/
    analyzeImage.ts
    extractText.ts
    understandDiagram.ts
    uiToCode.ts

Каждый файл имеет одну ответственность и может тестироваться независимо; четыре инструмента — тонкие обёртки над analyze(), каждый со своим встроенным system prompt.

🗺️ Дорожная карта (опциональные расширения)

Текущий охват: только stdio · один бэкенд · одно изображение · без персистентности. Ниже — расширения по мере необходимости:

Кандидат	Ценность	Рекомендация
Потоковый вывод	Вывод `ui_to_code` может быть длинным, потоковый режим позволяет видеть результат по мере генерации	👍 Стоит сделать, улучшение UX
Предобработка изображений	Масштабирование/сжатие по длинной стороне перед отправкой — экономия токенов, меньше таймаутов	👍 Стоит сделать, снижение затрат
Структурированный вывод	`extract_text`/`understand_diagram` возвращают JSON	🤔 Смотреть по ситуации
HTTP/SSE транспорт	Общий доступ для нескольких клиентов, удалённое развёртывание	🤔 Сейчас stdio достаточно, по мере необходимости
Маршрутизация по нескольким бэкендам	Маршрутизация разных задач на разные VLM	❌ YAGNI
Видео/пакетная обработка нескольких изображений	—	❌ Вне текущего позиционирования
Кэш на сервере	Повторное распознавание одинаковых изображений	❌ YAGNI

📄 Лицензия

This server cannot be installed

RayrunBuild, deploy, and operate MCP servers without becoming an infrastructure team.ray.runAd

license - permissive license

Not graded

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

1Releases (12mo)

Commit activity

Resources

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

image-mcp
Image & Video Processing AI & Machine Learning
systemmin
A
license
A
quality
B
maintenance
MCP server for image recognition, supporting multiple vision backends (Anthropic, Zhipu, Ollama) to describe, answer questions, and analyze images.
Updated 2 months ago (2026-07-13 09:10 UTC)
3
40
1
MIT
readpic MCP Server
Image & Video Processing AI & Machine Learning
tain-alphanume
F
license
Not graded
quality
C
maintenance
Enables AI clients like Claude to understand, analyze, and describe local images via VL models through the MCP protocol.
Updated 2 months ago (2026-07-10 07:17 UTC)
openai-vision-mcp-server
Image & Video Processing AI & Machine Learning
ygq-future
A
license
Not graded
quality
A
maintenance
Enables image analysis via OpenAI-compatible vision APIs, supporting local files, URLs, and base64 inputs with intelligent tiling for high-resolution images. Provides a secure, configurable MCP stdio server for structured vision analysis.
Updated 6 days ago (2026-08-25 08:59 UTC)
886
2
MIT
Vision MCP
Image & Video Processing AI & Machine Learning
Amengclass
A
license
A
quality
B
maintenance
Enables any MCP client to perform image understanding and OCR via any OpenAI-compatible vision-language model. Supports local, private inference without images leaving the machine.
Updated 21 days ago (2026-08-10 07:07 UTC)
2
32
MIT

View all related MCP servers

Related MCP Connectors

Frenchie
OCR, transcription, file extraction, and image generation for AI agents via MCP.
mcp
Generate images with any major model — one API key, one prepaid balance, one MCP.
anythingmcp
Self-hosted MCP gateway: turn any API, database or MCP server into AI connectors — no code.

View all MCP Connectors

Latest Blog Posts

Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)
By Om-Shree-0709 on July 25, 2026.
mcp
Agent Identity
OAuth 2.1
Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly

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/skyone123/vision-mcp'

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