Sign inSign up

bubua12/vision-mcp-server

By bubua12

•Updated 3 months ago

Image
0

107

bubua12/vision-mcp-server repository overview

⁠vision-mcp-server

视觉理解 MCP Server：为 AI Coding 客户端（Claude Code、Cline 等）提供图像分析、OCR、错误截图诊断、UI 对比、视频理解等视觉能力。

本身不做视觉推理，而是把图片/视频转发给可配置的多模态大模型（OpenAI 兼容协议），默认对接智谱 GLM-4.6V。

⁠工具列表（9 Tools）

Tool说明
image_analysis通用图像理解，适配未被专项工具覆盖的视觉内容
extract_text_from_screenshotOCR 文字提取，针对代码、终端输出、文档优化，保留原始格式
diagnose_error_screenshot错误弹窗/堆栈/日志/告警截图诊断，给出定位与排查修复建议
understand_technical_diagram架构图、流程图、UML、ER 图等技术图纸结构化解读
analyze_data_visualization仪表盘/统计图表阅读，提炼趋势、异常与业务要点
ui_to_artifactUI 截图转代码 / 生成式提示词 / 设计规范 / 自然语言描述
ui_diff_check对比两张 UI 截图，识别视觉差异（UI 质量验证）
video_analysis视频场景解析（mp4/mov/m4v），需模型支持视频输入
health_check配置完整性检查（不消耗 API 额度）

⁠配置（环境变量）

视觉模型完全可配置，任何 OpenAI 兼容的多模态服务都可接入：

环境变量说明默认值
VISION_API_KEY模型服务的 API Key（必填）-
VISION_BASE_URLOpenAI 兼容接口地址（不含 /chat/completions）https://open.bigmodel.cn/api/paas/v4
VISION_MODEL多模态模型名glm-4.6v
VISION_TIMEOUT单次请求超时（秒）180
VISION_MAX_IMAGE_MB本地图片大小上限（MB）10
VISION_MAX_VIDEO_MB本地视频大小上限（MB）8
TRANSPORTstdio（本地客户端）或 http（默认，K8s 部署）http
LISTEN_PORTHTTP 模式监听端口18091
API_KEYHTTP 模式 /mcp 端点的 Bearer 认证密钥空（不认证）
⁠切换不同的视觉模型
# 智谱 BigModel（默认）
VISION_API_KEY=xxx
# 或 z.ai 国际站
VISION_BASE_URL=https://api.z.ai/api/paas/v4 VISION_API_KEY=xxx

# 阿里百炼 Qwen-VL
VISION_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 VISION_MODEL=qwen-vl-max VISION_API_KEY=sk-xxx

# OpenAI
VISION_BASE_URL=https://api.openai.com/v1 VISION_MODEL=gpt-4o VISION_API_KEY=sk-xxx

注意：video_analysis 使用的 video_url 是智谱 GLM 系列的多模态扩展协议，切换到其他模型前请确认其支持视频输入。

完整的可配置视觉模型清单（各家模型 ID、图片/视频支持、免费额度、选型建议）见 docs/vision-models.md⁠。

⁠使用方式

⁠stdio 模式（Claude Code 等本地客户端）
claude mcp add -s user vision-mcp-server \
  --env VISION_API_KEY=你的Key \
  --env TRANSPORT=stdio \
  -- /path/to/vision-mcp-server

通用 MCP 配置：

{
  "mcpServers": {
    "vision-mcp-server": {
      "type": "stdio",
      "command": "/path/to/vision-mcp-server",
      "env": {
        "TRANSPORT": "stdio",
        "VISION_API_KEY": "你的Key",
        "VISION_BASE_URL": "https://open.bigmodel.cn/api/paas/v4",
        "VISION_MODEL": "glm-4.6v"
      }
    }
  }
}

对话示例：帮我诊断一下 /tmp/error.png 这个报错截图

⁠HTTP 模式（K8s / 远程部署）
VISION_API_KEY=xxx API_KEY=mcp访问密钥 ./vision-mcp-server
# /health 健康检查，/mcp MCP 端点（Bearer 认证），/ Landing Page

⁠构建与测试

go build ./...
go test ./...
docker build -t vision-mcp-server .

Tag summary

Content type

Image

Digest

sha256:ee6eb24b5…

Size

11 MB

Last updated

3 months ago

docker pull bubua12/vision-mcp-server:0.2.0-amd64