云棱 · Yunleng

摄像头视觉 MCP Server。装进 AI Agent，它就能调用你电脑和手机上的摄像头：拍帧、调参数、识别手势、做物体检测、让本地大模型描述画面里有什么。

来自西工大电子信息 Mr.chen

这个项目解决什么问题

MCP 生态里，浏览器、数据库、文件系统都有对应的工具，唯独摄像头没什么人做。你的 AI Agent 能读文件、能查网页，但看不见你面前的画面。

这个项目补上这一块：把摄像头变成 MCP 工具，Agent 可以自己拍照、自己看、自己判断。

Related MCP server: camera-mcp

功能

• 多摄像头：自动发现本地摄像头，也能添加手机 IP 摄像头，支持双路同时取帧（时间戳对齐）

• 参数控制：亮度、对比度、曝光、白平衡、对焦等 20 项参数，设置后会回读确认实际生效值

• 智能拍照：暗光自动提亮、过曝自动压低、白平衡校正，一条命令出片

• 手势识别：基于 MediaPipe，识别张手、握拳、竖拇指、剪刀手、OK、比心、比一七种手势

• 物体检测：可选装 YOLO，检测画面里的物体

• 画面理解：拍一帧交给本地 Ollama 视觉模型（默认 qwen2.5vl），返回对画面的文字描述

安装

git clone https://github.com/ChenLaoshiYF/yunleng.git
cd yunleng
python -m venv .venv
.venv\Scripts\activate   # Windows
pip install -e .
python scripts/download_models.py

只需要四个依赖：mcp、opencv-python、numpy、mediapipe。

可选装 YOLO 物体检测：

pip install -e ".[objects]"

连接到你的 Agent

以 Claude Desktop 为例，编辑 claude_desktop_config.json：

{
  "mcpServers": {
    "camera-vision": {
      "command": "你本地的 .venv\\Scripts\\python.exe",
      "args": ["-m", "camera_mcp.server"],
      "cwd": "你 clone 的 yunleng 目录"
    }
  }
}

之后可以直接对 Agent 说「看看摄像头里有什么」「识别一下我的手势」「帮我拍张照」。

接手机摄像头

手机装 IP Webcam 之类的 App，和电脑连同一 WiFi，开启推流，然后把地址告诉 Agent：

add_remote_camera url="http://192.168.x.x:8080/video"

画面理解（可选）

analyze_scene 依赖本地 Ollama 视觉模型：

1. 安装 Ollama：https://ollama.com

2. 拉取视觉模型：ollama pull qwen2.5vl

Ollama 没装或没启动时，这个工具会返回明确的错误提示，不影响其他工具使用。

可配置项（环境变量）

工具一览

共 13 个工具：

测试情况

smoke test 以 MCP 客户端身份连接真实 server 跑完整链路：

• 13 个工具全部注册 ✔

• 本地摄像头枚举、属性读写 ✔

• 远程摄像头接入、双摄并发（实测 drift ≈ 1ms）✔

• 智能拍照、自动对焦、曝光控制 ✔

• 画面理解无 Ollama 时优雅降级 ✔

另有稳定性测试脚本：scripts/smoke_test.py（核心链路）、scripts/stability_check.py（6 项功能重复跑）、scripts/long_run_test.py（长时间内存稳定性，30 分钟版报告见 scripts/long_run_report.md）。

License

MIT