deepseek-mcp-image

中文 | English

给 DeepSeek 等纯文本模型 用的识图 MCP 服务器：让不支持图片输入的 LLM 也能看图。

主模型调用 describe_image 工具并传入图片（本地路径或 http(s) URL）， 服务器将图片转为 base64 data URL，交给支持图像输入的商汤多模态模型 SenseNova 6.8 Flash-Lite（sensenova-6.8-flash-lite）识别，返回文字描述。

环境要求

• Node.js ≥ 18
• 商汤开放平台 API Key（sensenova.cn）

安装

git clone https://github.com/Chuyuxuan0v0/deepseek-mcp-image.git
cd deepseek-mcp-image
npm install

配置环境变量

变量	必填	默认	说明
SENSENOVA_API_KEY	✅	—	商汤 API Key
SENSENOVA_BASE_URL	—	https://token.sensenova.cn/v1	API 基础地址
MAX_IMAGE_BYTES	—	20971520（20MB）	单张图片大小上限

PowerShell（Windows）示例：

$env:SENSENOVA_API_KEY = "sk-你的key"

运行测试

npm test

接入 MCP 客户端

标准 stdio MCP 服务器，启动命令：node <本仓库路径>/src/index.js。

Claude Desktop

claude_desktop_config.json 示例：

{
  "mcpServers": {
    "deepseek-mcp-image": {
      "command": "node",
      "args": ["<本仓库路径>/src/index.js"],
      "env": { "SENSENOVA_API_KEY": "sk-你的key" }
    }
  }
}

DeepSeek Harness（dsh）

在 profile 补丁层（如 ~/.dsh/profiles/web/cordis.patch.yml）追加一行：

- insert:
    - id: mcp-vision
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: vision
        transport: stdio
        command: node
        args: ['<本仓库路径>/src/index.js']
        env:
          SENSENOVA_API_KEY: !!js process.env.SENSENOVA_API_KEY ?? ''
        failOnStartupError: false

重启 dsh 后，主模型即可看到 mcp__vision__describe_image 工具（图片支持本地路径或 URL）。

其他客户端

Reasonix / Cursor / 通用 MCP 客户端按各自 stdio 服务器配置方式接入即可。

工具说明

describe_image

参数	类型	必填	默认	说明
image	string	✅	—	本地文件路径（绝对/相对）或 http(s):// URL
question	string	—	请详细描述这张图片的内容	要问图片的问题
max_tokens	integer	—	1000	最大生成 token 数，上限 4096

支持的图片格式：PNG / JPEG / GIF / WebP / BMP / SVG。

手动验收

设置好 SENSENOVA_API_KEY 后，用 SDK 客户端脚本调用一次：

cd deepseek-mcp-image && node --input-type=module -e "
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StdioClientTransport } from '@modelcontextprotocol/sdk/client/stdio.js';
const transport = new StdioClientTransport({
  command: process.execPath,
  args: ['src/index.js'],
  env: { ...process.env, SENSENOVA_API_KEY: process.env.SENSENOVA_API_KEY },
});
const client = new Client({ name: 'manual', version: '0.0.1' });
await client.connect(transport);
const r = await client.callTool({ name: 'describe_image', arguments: { image: 'https://www.sensenova.cn/images/logo.png' } });
console.log(JSON.stringify(r, null, 2));
await client.close();
"

预期输出：isError 为 false，content[0].text 为图片的文字描述。

限制

• 本地图片以 base64 data URL 内联传输，单张上限默认 20MB（MAX_IMAGE_BYTES 可调）。
• 不缓存 API 结果；每次调用都会消耗商汤 API 额度。
• finish_reason = content_filter 时返回合规拦截提示（可能命中商汤内容审核）。

License

MIT