AI导哈

图像识别服务器

MCP图像识别服务器提供基于Anthropic和OpenAI视觉API的图像识别功能，支持多种图像格式和可配置的提供者选项。

  • by mario-andreschak
  • Python
  • 本地部署
  • 40 星标
  • 更新于
在 GitHub 查看 mario-andreschak/mcp-image-recognition

使用说明

MCP图像识别服务器

使用Anthropic和OpenAI视觉API提供图像识别功能的MCP服务器。版本0.1.2。

特性

  • 使用Anthropic Claude Vision或OpenAI GPT-4 Vision进行图像描述
  • 支持多种图像格式（JPEG、PNG、GIF、WebP）
  • 可配置的主要和后备提供者
  • 支持Base64和基于文件的图像输入
  • 使用Tesseract OCR进行可选文本提取

需求

  • Python 3.8或更高版本
  • Tesseract OCR（可选）-文本提取功能所需
    • Windows：从下载并安装 UB曼海姆/镶嵌
    • Linux： sudo apt-get install tesseract-ocr
    • macOS： brew install tesseract

安装

  1. 克隆存储库：
git clone https://github.com/mario-andreschak/mcp-image-recognition.git
cd mcp-image-recognition
  1. 创建并配置您的环境文件：
cp .env.example .env
# Edit .env with your API keys and preferences
  1. 构建项目：
build.bat

用法

运行服务器

使用python生成服务器：

python -m image_recognition_server.server

改用批处理启动服务器：

run.bat server

使用MCP Inspector以开发模式启动服务器：

run.bat debug

可用工具

  1. describe_image

    • 输入：Base64编码的图像数据和MIME类型
    • 输出：图像的详细描述

  2. describe_image_from_file

    • 输入：图像文件的路径
    • 输出：图像的详细描述

环境配置

  • ANTHROPIC_API_KEY：您的Anthropic API密钥。
  • OPENAI_API_KEY：您的OpenAI API密钥。
  • VISION_PROVIDER：初级视力提供者(anthropic 或 openai).
  • FALLBACK_PROVIDER：可选回退提供程序。
  • LOG_LEVEL：日志记录级别（调试、信息、警告、错误）。
  • ENABLE_OCR：启用Tesseract OCR文本提取(true 或 false).
  • TESSERACT_CMD：Tesseract可执行文件的可选自定义路径。
  • OPENAI_MODEL：OpenAI模型（默认值： gpt-4o-mini).可以将OpenRouter格式用于其他型号（例如。， anthropic/claude-3.5-sonnet:beta).
  • OPENAI_BASE_URL：OpenAI API的可选自定义基本URL。吃起来 https://openrouter.ai/api/v1 OpenRouter。
  • OPENAI_TIMEOUT：可选的OpenAI API自定义超时（以秒为单位）。

使用OpenRouter

OpenRouter允许您使用OpenAI API格式访问各种模型。要使用OpenRouter，请执行以下步骤：

  1. 从OpenRouter获取OpenAI API密钥。
  2. 集 OPENAI_API_KEY 在你的 .env 文件到您的OpenRouter API密钥。
  3. 集 OPENAI_BASE_URL 向 https://openrouter.ai/api/v1.
  4. 集 OPENAI_MODEL 使用OpenRouter格式（例如。， anthropic/claude-3.5-sonnet:beta).
  5. 集 VISION_PROVIDER 向 openai.

违约模型

  • 人类学： claude-3.5-sonnet-beta
  • OpenAI： gpt-4o-mini
  • OpenRouter：使用 anthropic/claude-3.5-sonnet:beta 格式在 OPENAI_MODEL.

发展

运行测试

运行所有测试：

run.bat test

运行特定的测试套件：

run.bat test server
run.bat test anthropic
run.bat test openai

Docker支持

构建Docker镜像：

docker build -t mcp-image-recognition .

运行容器：

docker run -it --env-file .env mcp-image-recognition

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

发布历史

  • 0.1.2 （2025-02-20）：改进了OCR错误处理，并为OCR功能增加了全面的测试覆盖率
  • 0.1.1 （2025-02-19）：添加了Tesseract OCR支持，用于从图像中提取文本（可选功能）
  • 0.1.0 （2025-02-19）：首次发布，支持Anthropic和OpenAI视觉

相关 MCP