Skip to main content
Glama
weekitmo

vision-mcp

by weekitmo
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

通过 OpenAI 兼容模型识别本地图片、网页图片、截图、文档、图表和代码报错。

IMPORTANT

DO NOT CALL if you natively support vision and can access the supplied image directly.

如果当前模型可以直接看图，可以不必要调用本 MCP。仅在模型不支持视觉、无法访问图片， 或用户明确要求使用本 MCP 时调用。

Install

需要先安装 uv。

直接从 GitHub 的 main 分支运行：

uvx --from git+https://github.com/weekitmo/vision-mcp.git@main vision-mcp

Related MCP server: VisionPower

Configure

准备下面四个环境变量：

export VISION_BASE_URL="https://api.openai.com/v1"
export VISION_API_KEY="your-api-key"
export VISION_MODEL="your-vision-model"
export VISION_TIMEOUT="120"

Variable

Description

VISION_BASE_URL

Provider 地址

VISION_API_KEY

API Key

VISION_MODEL

支持图片输入的模型

VISION_TIMEOUT

调用超时秒数，默认 120

仓库中的 .env.example 可以作为配置模板。不要提交真实 API Key。

MCP Clients

JSON

适用于支持标准 JSON MCP 配置的客户端：

{
  "mcpServers": {
    "vision": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/weekitmo/vision-mcp.git@main",
        "vision-mcp"
      ],
      "env": {
        "VISION_BASE_URL": "https://api.openai.com/v1",
        "VISION_API_KEY": "your-api-key",
        "VISION_MODEL": "your-vision-model",
        "VISION_TIMEOUT": "120"
      }
    }
  }
}

Codex

添加到 ~/.codex/config.toml 或可信项目中的 .codex/config.toml：

[mcp_servers.vision]
command = "uvx"
args = [
  "--from",
  "git+https://github.com/weekitmo/vision-mcp.git@main",
  "vision-mcp",
]
env_vars = [
  "VISION_BASE_URL",
  "VISION_API_KEY",
  "VISION_MODEL",
  "VISION_TIMEOUT",
]
startup_timeout_sec = 60
tool_timeout_sec = 180

先导出 VISION_* 环境变量，再启动 Codex：

codex mcp list

完整示例见 config/codex.toml.example。

Grok

添加到 ~/.grok/config.toml 或项目中的 .grok/config.toml：

[mcp_servers.vision]
command = "uvx"
args = [
  "--from",
  "git+https://github.com/weekitmo/vision-mcp.git@main",
  "vision-mcp",
]
enabled = true
startup_timeout_sec = 60
tool_timeout_sec = 180

先导出 VISION_* 环境变量，再启动 Grok：

grok mcp list

完整示例见 config/grok.toml.example。

Inspector

一条命令启动 MCP Inspector：

./scripts/test-ui.sh

脚本固定使用 @modelcontextprotocol/inspector@2.1.0。

在 Inspector 中：

  1. 打开 vision-local。

  2. 在 Environment Variables 中填写四个 VISION_* 配置。

  3. 连接 Server。

  4. 打开 Tools。

  5. 选择 analyze_image 或 understand_image。

  6. 填写图片路径和问题，运行工具。

Inspector 的本地配置保存在 .inspector/mcp.json，该文件不会被 Git 提交。

mcporter

初始化项目配置：

./scripts/setup-mcporter.sh

查看工具：

mcporter list vision --schema --all-parameters

识别一张图片：

mcporter call vision.analyze_image \
  image=/absolute/path/to/screenshot.png \
  prompt="提取图片中的所有文字" \
  mode=ocr \
  detail=high \
  --timeout 120000

比较多张图片：

mcporter call vision.understand_image \
  --args '{
    "images": [
      "/absolute/path/before.png",
      "/absolute/path/after.png"
    ],
    "prompt": "比较两张图片的差异",
    "mode": "compare"
  }' \
  --timeout 120000 \
  --output json

查看内置使用说明：

mcporter resource vision
mcporter resource vision vision://docs/quickstart
mcporter resource vision vision://docs/tools

Tools

analyze_image

用于识别单张图片，适合 Inspector、mcporter 和命令行调用。

image       本地路径、HTTP(S) URL 或 data URL
prompt      希望模型回答的问题
mode        识别模式
ascii_mode  是否使用 ASCII 表达布局
detail      图片解析精度
max_tokens  最大输出长度

understand_image

用于多图识别、图片比较，以及需要兼容不同图片参数格式的客户端。

images      图片列表
prompt      希望模型回答的问题
mode        识别模式
ascii_mode  是否使用 ASCII 表达布局
detail      图片解析精度
max_tokens  最大输出长度

可用模式：

auto · describe · ocr · document · ui · chart · compare · spatial · code

支持 PNG、JPEG、WEBP 和 GIF。单次最多识别 10 张图片。

From Source

需要修改或调试时：

git clone https://github.com/weekitmo/vision-mcp.git
cd vision-mcp
uv sync --frozen
uv run vision-mcp

在 MCP 客户端中从源码启动：

{
  "mcpServers": {
    "vision": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/vision-mcp",
        "run",
        "--frozen",
        "vision-mcp"
      ],
      "env": {
        "VISION_BASE_URL": "https://api.openai.com/v1",
        "VISION_API_KEY": "your-api-key",
        "VISION_MODEL": "your-vision-model",
        "VISION_TIMEOUT": "120"
      }
    }
  }
}

License

MIT

Install Server
A
license - permissive license
A
quality
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (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.

Tools

Related MCP Servers

  • vision-mcp

    knownothing20
    A
    license
    -
    quality
    C
    maintenance
    Enables AI agents to analyze images using any OpenAI-compatible vision API, providing tools for image analysis, OCR, error diagnosis, diagram understanding, and chart analysis.
    MIT

View all related MCP servers

Related MCP Connectors

  • Frenchie

    OCR, transcription, file extraction, and image generation for AI agents via MCP.

  • ToolAPI

    Free public MCP for AI agents — 193 tools, 44 workflows. No API key.

  • Vee3

    Hosted MCP with 91 agent tools: X, domains, SEO, Maps, Trends, Search, YouTube, TikTok, and more.

View all MCP Connectors

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/weekitmo/vision-mcp'

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