Image Vision Server

БесплатноНе проверен

Enables text-only language models to 'see' and describe images by calling multimodal APIs (OpenAI, Anthropic) for image analysis.

автор: liunan-githu

GitHub Embed

Описание

Enables text-only language models to 'see' and describe images by calling multimodal APIs (OpenAI, Anthropic) for image analysis.

README

让纯文本语言模型通过调用多模态 API 来"看懂"图片。

安装

pip install -r requirements.txt

配置

复制 .env.example 为 .env，填入 API Key：

IMAGE_OPENAI_API_KEY=sk-xxx
IMAGE_ANTHROPIC_API_KEY=sk-ant-xxx
IMAGE_PROVIDER=openai

在 Claude Code 中使用

在项目根目录创建 .mcp.json：

{
  "mcpServers": {
    "image-vision": {
      "command": "python",
      "args": ["path/to/image-vision-mcp/server.py"],
      "env": {
        "IMAGE_OPENAI_API_KEY": "sk-xxx",
        "IMAGE_PROVIDER": "openai"
      }
    }
  }
}

在 MiMo Code 中使用

在 MCP 设置面板中添加：

命令: python
参数: 你的路径/image-vision-mcp/server.py
环境变量: 填入 API Key

使用

agent 会自动发现 describe_image 工具。用户发图后，agent 会调用它获取文字描述再回复。

也可以手动调用：

describe_image(image="path/to/photo.png", provider="openai")
describe_image(image="https://example.com/img.jpg", provider="anthropic")

测试

# 测试 OpenAI
set IMAGE_OPENAI_API_KEY=sk-xxx && python test_image.py openai

# 测试 Anthropic
set IMAGE_ANTHROPIC_API_KEY=sk-ant-xxx && python test_image.py anthropic

from github.com/liunan-githu/image-vision-mcp

Установка Image Vision Server

У этого сервера нет опубликованного пакета — он собирается из исходников. Открой репозиторий и следуй инструкции в README.

▸ github.com/liunan-githu/image-vision-mcp

FAQ