MiniCPM Vision MCP 🎬👁️

为 DeepSeek V4.0 / Claude Desktop / Cursor 等 AI Agent 装上眼睛 —— 本地运行的视觉 MCP 服务器，基于 Ollama + MiniCPM-V 4.6。

图片描述 · 视频帧提取分析 · 完全本地 · 数据不出机

✨ 为什么选这个？

Related MCP server: MCP Vision Server

🚀 快速开始

1. 安装 Ollama 并拉取模型

ollama pull minicpm-v4.6

2. 安装 FFmpeg（视频分析需要）

npm install @ffmpeg-installer/ffmpeg

3. 配置 AI Agent

Claude Desktop (claude_desktop_config.json)：

{
  "mcpServers": {
    "vision": {
      "command": "node",
      "args": ["C:\\path\\to\\vision_mcp_server.mjs"]
    }
  }
}

Reasonix (reasonix.toml)：

[[plugins]]
name    = "vision"
command = "C:\\Program Files\\nodejs\\node.exe"
args    = ["C:\\path\\to\\vision_mcp_server.mjs"]

重启客户端即可使用。

🛠️ 工具

describe_image — 描述图片

输入: 图片文件的绝对路径
输出: 中文图片内容描述

describe_video — 分析视频

输入: 视频文件路径 或 HTTP/HTTPS URL
      interval (可选): 帧提取间隔秒数，默认 8s
输出: 
  - 每帧的简洁描述
  - 完整时间线分析
  - AI 自动总结 (200字)
  - 分析完成后自动清理临时文件

📊 视频分析流程

URL/文件 → 下载(如需要) → FFmpeg 提取关键帧 → 
MiniCPM-V 逐帧分析 → 汇总总结 → 自动清理

🔧 依赖

• Ollama - 本地 LLM 运行时

• MiniCPM-V 4.6 - 开源视觉模型 (1.6GB)

• FFmpeg - 视频帧提取（@ffmpeg-installer/ffmpeg）

• @modelcontextprotocol/sdk - MCP 协议

🌍 适用场景

• 📸 让 AI 看懂你发的截图和照片

• 🎬 快速了解视频内容，不用逐秒观看

• 📱 分析抖音/B站等平台视频

• 🔒 敏感图片/视频本地处理，数据不出机

• 🇨🇳 中文内容理解（MiniCPM 原生中文）

📄 许可证

MIT License

🙏 致谢

• MiniCPM-V - 开源视觉语言模型

• Ollama - 本地模型运行框架

• Model Context Protocol - MCP 协议规范