Vision MCP Server

Python 实现的 MCP (Model Context Protocol) 图片分析服务器 —— 为纯文本大模型提供视觉能力。

参考自 Markusbetter/vision-mcp-server（Node.js / TypeScript），在其基础上增加了大图自动缩放、多 API 提供商支持等功能。

功能特点

• 单一工具：analyze_image — 分析图片内容并提供详细描述
• 支持本地图片文件和远程 HTTP(S) URL
• 自动缩放：超过 2048×2048 像素的图片会自动等比缩放到长边 2047px 再发送，避免超大图直接报错
• 多提供商支持：兼容任意 OpenAI 兼容 API，通过环境变量切换——OpenAI、Azure、vLLM、Ollama、ModelScope 等均可
• 全部通过环境变量配置，无需配置文件

安装

uv（推荐）

# 克隆仓库
git clone https://github.com/Jian-1197/vision-mcp.git
cd vision-mcp

# 安装（editable 模式，修改源码即时生效）
uv tool install -e .

安装完成后 vision-mcp 命令即全局可用。

需要 Python ≥ 3.10。

Conda

conda create -n mcp python=3.10 -y
conda activate mcp
pip install -e /path/to/vision-mcp

venv / pip

python -m venv .venv
source .venv/bin/activate       # Linux/macOS
.venv\Scripts\activate          # Windows
pip install -e /path/to/vision-mcp

环境变量配置

变量	必填	说明
VISION_BASE_URL	✅	API 基础地址
VISION_API_KEY	✅	API 密钥
VISION_MODEL	✅	模型名

MCP 客户端配置

本服务通过 stdio 传输，运行命令为 vision-mcp。

以 Claude Desktop 为例：

{
  "mcpServers": {
    "vision": {
      "command": "vision-mcp",
      "env": {
        "VISION_BASE_URL": "https://api.openai.com/v1",
        "VISION_API_KEY": "sk-your-key-here",
        "VISION_MODEL": "gpt-4o"
      }
    }
  }
}

若使用 Reasonix（1.x 配置文件路径为 ~\AppData\Roaming\reasonix\config.toml，可在软件中查看，或直接在 MCP 界面添加运行命令及环境变量）：

[[plugins]]
name    = "vision"
type    = "stdio"
command = "vision-mcp"
env     = { VISION_BASE_URL = "https://api.openai.com/v1", VISION_API_KEY = "sk-your-key-here", VISION_MODEL = "gpt-4o" }

免费服务示例

智谱 GLM-4.6V-Flash

智谱提供的免费视觉模型，128K 上下文，支持图片、视频、文件理解。文档

API Key 获取：访问 智谱开放平台 → 注册 → API Keys

{
  "mcpServers": {
    "vision": {
      "command": "vision-mcp",
      "env": {
        "VISION_BASE_URL": "https://open.bigmodel.cn/api/paas/v4",
        "VISION_API_KEY": "你的智谱APIKey",
        "VISION_MODEL": "glm-4.6v-flash"
      }
    }
  }
}

魔搭社区 ModelScope

ModelScope 提供免费视觉模型调用额度，每日 2k 次。文档

API Token 获取：访问 ModelScope → 个人中心 → API 令牌

{
  "mcpServers": {
    "vision": {
      "command": "vision-mcp",
      "env": {
        "VISION_BASE_URL": "https://api-inference.modelscope.cn/v1",
        "VISION_API_KEY": "你的ModelScopeToken",
        "VISION_MODEL": "Qwen/Qwen3-VL-30B-A3B-Instruct"
      }
    }
  }
}

工作原理

1. 接收图片（本地路径 → 读取文件；URL → HTTP 下载）
2. 若图片超过 2048px，用 Pillow 等比缩放
3. 编码为 base64 data URI
4. 发送到 {VISION_BASE_URL}/chat/completions（OpenAI 兼容格式）
5. 返回模型的文字描述

许可证

MIT