Skip to main content
Glama
sulghu

vision-mcp

by sulghu
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript
Local

vision-mcp-node

npm version npm downloads license node

MCP 服务器：直连远程多模态模型 API 识别图片 / OCR，不经过任何本地代理。

  • 工具 recognize_image(image, prompt?) — 识别/描述图片内容

  • 工具 ocr_image(image, language?) — 从图片提取文字

  • 工具 vision_version() — 查看当前服务配置（模型/供应商/Key 状态）

  • 支持任意 OpenAI 兼容视觉端点（阿里云百炼、OpenAI、硅基流动等）

  • 图片输入：本地路径 / http(s):// URL（默认直传不下载）/ data: URL

  • 大图自动压缩、输出截断自动重试、错误分类提示

快速开始（全局安装，推荐）

# 1. 安装（只需一次）
npm install -g vision-mcp-node

# 2. 配置 API Key（默认已指向阿里云百炼 + qwen3.7-plus）
export VISION_API_KEY=sk-你的Key
# 永久生效可写入：echo 'export VISION_API_KEY=sk-你的Key' >> ~/.bashrc

# 3. 验证安装
npm ls -g vision-mcp-node      # 显示 vision-mcp-node@1.0.1
vision-mcp                     # 以 stdio 启动，等 MCP 客户端连接（Ctrl+C 退出）

然后只需在 MCP 客户端配置里加一段最小配置：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "vision-mcp",
      "args": []
    }
  }
}

Key 已通过环境变量传给客户端，无需写进 JSON。

Related MCP server: vision-mcp-server

或者：npx 免安装即用

不全局安装，直接在 claude_desktop_config.json / mcp.json / Reasonix 配置中用 npx 拉起：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "npx",
      "args": ["-y", "vision-mcp-node"],
      "env": {
        "VISION_API_KEY": "${VISION_API_KEY}",
        "VISION_BASE_URL": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "VISION_MODEL": "qwen3.7-plus"
      }
    }
  }
}

"${VISION_API_KEY}" 会让客户端读取你机器上的同名环境变量，Key 不落盘。 也可以直接填字符串，但注意别把配置提交到公开仓库。 想换供应商时，在 env 里覆盖 VISION_BASE_URL / VISION_MODEL 即可（见下方配置表）。

接入 Codex（TOML 格式）

Codex 的 MCP 配置在 ~/.codex/config.toml（TOML 不是 JSON）。全局安装后只需：

# ~/.codex/config.toml
[mcp_servers.vision-mcp]
command = "vision-mcp"

用 npx 免安装版（显式传 env，Key 用 ${VISION_API_KEY} 从环境变量读取、不落盘）：

# ~/.codex/config.toml
[mcp_servers.vision-mcp]
command = "npx"
args = ["-y", "vision-mcp-node"]
env = {
  VISION_API_KEY = "${VISION_API_KEY}",
  VISION_BASE_URL = "https://dashscope.aliyuncs.com/compatible-mode/v1",
  VISION_MODEL = "qwen3.7-plus"
}

改完执行 codex 重启会话生效（或 codex mcp list 检查是否加载）。

配置（环境变量）

变量

必填

默认值

VISION_API_KEY

✅

—（也认 DASHSCOPE_API_KEY / OPENAI_API_KEY）

VISION_PROVIDER

否

aliyun（可选 openai / siliconflow，一键切换预设）

VISION_BASE_URL

否

随 VISION_PROVIDER 预设（也可显式覆盖）

VISION_MODEL

否

随 VISION_PROVIDER 预设（也可显式覆盖）

VISION_TIMEOUT

否

120000（毫秒）

VISION_MAX_TOKENS

否

1024（被截断自动翻倍重试）

VISION_ENABLE_THINKING

否

false（qwen3 系列不开启深度思考，设 true 可开启）

VISION_MAX_IMAGE_MB

否

15（超过自动压缩，需 sharp）

VISION_FORCE_DOWNLOAD

否

false（http 图片默认直传 URL，设 true 强制下载内联）

供应商预设（VISION_PROVIDER）

VISION_PROVIDER

默认端点

默认模型

aliyun

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

qwen3.7-plus

openai

https://api.openai.com/v1

gpt-4o

siliconflow

https://api.siliconflow.cn/v1

Qwen/Qwen2.5-VL-72B-Instruct

显式设置 VISION_BASE_URL / VISION_MODEL 会覆盖预设。

工具用法

  • recognize_image("C:/a.png") — 描述本地图片

  • recognize_image("https://example.com/a.jpg", prompt="图中横幅写了什么字？")

  • recognize_image("data:image/png;base64,....") — 直接传 data URL

  • ocr_image("C:/a.png", language="en") — 提取英文文字

本地开发 / 调试

git clone https://github.com/sulghu/vision-mcp.git && cd vision-mcp-node
npm install
npm test                     # 端到端（本地假视觉 API，不需真实 Key）
node server.js               # 以 stdio 启动，等 MCP 客户端连接

# 或直接命令行冒烟：识别一张图（需要真实 Key）
export VISION_API_KEY=sk-xxxx
node -e "import('./analyze_image.mjs').then(m=>m.default('C:/a.png'))"  # 见 analyze_image.mjs

发布到 npm（维护者用）

npm login                       # 用你的 npm 账号登录
npm version patch               # 或 minor / major
npm publish                     # 发布（先跑 npm pack 检查内容）
npx -y vision-mcp-node          # 验证安装可用

发布前务必检查：npm pack --dry-run 列出的文件里不能包含任何 API Key / .mcp.json / 本地测试脚本（files 字段已限定为 server.js + README.md + LICENSE）。

原理

MCP 客户端 (Claude/Codex/Reasonix...)
   └─ stdio → vision-mcp-node (npx 拉起，stdio)
                └─ fetch POST {VISION_BASE_URL}/chat/completions
                     （OpenAI 兼容，图片 base64 data URL 内联发送）

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers