AI导哈

视觉模型增强服务器

Vision MCP Server 是一个通过OpenRouter的视觉模型为不具备视觉能力的AI模型添加图像分析功能的工具。

  • by TheNomadInOrbit
  • TypeScript
  • 本地部署
  • 20 星标
  • 更新于
在 GitHub 查看 TheNomadInOrbit/Vision-MCP-Server

使用说明

视觉MCP服务器

你有没有想过使用GLM-4.6这样的模型或其他没有视觉能力的优秀人工智能模型？这个MCP服务器通过OpenRouter的视觉模型为任何模型添加视觉功能来解决这个问题。

问题

一些非常好的AI模型不支持视觉。你陷入了在首选模型或视觉能力之间做出选择的困境。该服务器通过OpenRouter的视觉模型提供无缝的视觉功能，弥合了这一差距。

解决方案

此MCP服务器提供了一个简单的 analyze_image 该工具可以：

  • 从URL、文件路径或base64数据分析图像
  • 使用OpenRouter上可用的任何视觉模型（Claude 3.5 Sonnet、GPT-4 vision等）
  • 返回详细分析结果
  • 通过适当的验证优雅地处理错误

系统要求

安装前，请确保：

  • Node.js 18.0.0或更高版本 （推荐：Node.js 20+）
  • npm 8.0.0或更高版本 （附带Node.js）

检查您的版本

node --version    # Should show v18.0.0 or higher
npm --version     # Should show 8.0.0 or higher

安装/更新Node.js

如果你需要安装或更新Node.js：

  1. 从官方网站下载: nodejs.org （推荐给初学者）
  2. 使用节点版本管理器（nvm）:
    # Install nvm first, then:
nvm install 20
nvm use 20
  3. 使用包管理器:
    • macOS： brew install node
    • 窗户： winget install OpenJS.NodeJS
    • Ubuntu/Debian： sudo apt install nodejs npm

重要：此服务器是用TypeScript编写的，并使用依赖项（如 node-fetch v3）需要Node.js 18+。旧版本（如Node.js 16或更低版本）将无法运行。

快速开始

步骤1：获取您的OpenRouter API密钥

  1. 首选 OpenRouter
  2. 注册或登录您的帐户
  3. 导航到仪表板中的“按键”
  4. 点击“创建密钥”
  5. 复制API密钥（以开头 sk-or-v1-...)
  6. 保管好这把钥匙——你在第三步需要它

步骤2：安装MCP服务器

选项A：从npm安装（推荐）

npm install -g @thenomadinorbit/vision-mcp-server

成功！ 该套餐现已在全球范围内推出 vision-mcp 命令。

选项B：从源代码安装（开发）

git clone https://github.com/TheNomadInOrbit/vision-mcp-server.git
cd vision-mcp-server
npm install
npm run build
npm install -g .

注： 如果要修改源代码或为项目做出贡献，请使用此方法。

步骤3：配置MCP客户端

将此服务器配置添加到MCP客户端：

{
  "mcpServers": {
    "vision-analyzer": {
      "command": "vision-mcp",
      "type": "stdio",
      "timeout": 60,
      "disabled": false,
      "autoApprove": [],
      "env": {
        "OPENROUTER_API_KEY": "your_api_key_here",
        "OPENROUTER_MODEL": "anthropic/claude-3-5-sonnet"
      }
    }
  }
}

步骤4：测试您的安装

重要：The vision-mcp 命令需要一个OpenRouter API密钥才能运行。没有配置，您无法直接测试它。

快速测试（使用API密钥）：

OPENROUTER_API_KEY="your_api_key_here" vision-mcp --help

您应该看到服务器启动时出现以下日志：

Application initialized successfully
Starting Vision MCP Server...
MCP server started successfully
Vision MCP Server is running on stdio

按 Ctrl+C 停止测试。

如果你跑步会发生什么 vision-mcp 没有API密钥？

vision-mcp

你会得到这个错误（这是 正常和预期):

Error: OPENROUTER_API_KEY environment variable is required

这意味着安装成功了！ 服务器只是保护您在没有正确配置的情况下运行。

验证安装状态：

# Check if the command is available
which vision-mcp

# Check if the package is installed
npm list -g @thenomadinorbit/vision-mcp-server

🔧 配置选项

基本配置

  • "vision-analyzer" -服务器名称（您可以将其更改为任何您喜欢的名称）
  • "command": "vision-mcp" - 必需：运行服务器的全局命令
  • "type": "stdio" - 必需：MCP通信协议
  • "timeout": 60 - 可选的：超时时间（秒）（默认值：60）
  • "disabled": false - 可选的：设置为 true 禁用服务器

自动批准设置

配置哪些工具可以在不请求权限的情况下运行：

"autoApprove": []

选项：

  • [] （空）-所有工具都需要批准（最安全）
  • ["list_models"] -仅自动批准列出可用型号
  • ["analyze_image"] -自动批准视觉分析（方便但不太安全）
  • ["analyze_image", "list_models"] -自动批准所有工具（最方便）

模型配置

您可以使用OpenRouter中的任何视觉模型：

"env": {
  "OPENROUTER_API_KEY": "your_api_key_here",
  "OPENROUTER_MODEL": "anthropic/claude-3-5-sonnet"
}

热门型号：

  • anthropic/claude-3.5-sonnet （推荐-最适合视力）
  • openai/gpt-4o-2024-08-06 （出色的视觉能力）
  • google/gemini-2.0-flash-001 （快速且经济高效）
  • anthropic/claude-3-opus （最适合复杂分析）

完整示例配置

{
  "mcpServers": {
    "vision-analyzer": {
      "command": "vision-mcp",
      "type": "stdio",
      "timeout": 60,
      "disabled": false,
      "autoApprove": ["list_models"],
      "env": {
        "OPENROUTER_API_KEY": "sk-or-v1-your-actual-key-here",
        "OPENROUTER_MODEL": "anthropic/claude-3.5-sonnet",
        "MAX_IMAGE_SIZE": "10485760"
      }
    }
  }
}

可用工具

配置后，您的AI助手可以使用这些工具：

analyze_image

使用AI视觉模型分析图像

  • 输入：图像URL、文件路径或base64数据
  • 输出：图像内容的详细分析

list_models

列出OpenRouter的所有可用视觉模型

  • 输入：无
  • 输出：一系列可用型号及其功能

用法示例

配置后，您可以让您的AI助手分析图像，如下所示：

真实世界示例

你： “你能分析一下这张图片吗：https://example.com/image.jpg"

幕后发生了什么：

  1. 您的AI助手收到您的请求
  2. 它叫 analyze_image 此MCP服务器上的工具
  3. 此服务器下载图像并将其发送到OpenRouter的视觉模型
  4. 视觉模型分析图像
  5. 结果将返回给您的AI助手
  6. 你的人工智能助手会向你展示分析结果

你看： 来自AI助手的详细图像分析 你看不到： 所有发生在幕后的MCP技术通信

对话示例

从URL分析图像：

“你能分析一下这张图片吗：https://example.com/image.jpg"

分析本地图像：

“请分析/Users/username/Pictures/photo.png上的图像”

获取可用型号：

“有哪些可用的视觉模型？”

详细分析：

“分析这张图片，告诉我物体、颜色和情绪：https://example.com/artwork.jpg"

比较图像：

“你能分析这两张图片并告诉我它们的区别吗：image1.jpg和image2.jpg”

环境变量

您可以使用以下环境变量自定义服务器：

变量 描述 默认值 必填
OPENROUTER_API_KEY 您的OpenRouter API密钥 - 是
OPENROUTER_MODEL 要使用的AI模型 anthropic/claude-3.5-sonnet 没有
MAX_IMAGE_SIZE 最大图像大小（字节） 10485760 （10MB） 否

故障排除

常见错误

“我安装了它，但是 vision-mcp 出现错误！"

错误：

Error: OPENROUTER_API_KEY environment variable is required

为什么会发生这种情况： 你想逃跑 vision-mcp 直接从命令行。此MCP服务器旨在用于 通过MCP客户端 （如Claude Code），不直接运行。

解决方法：

  1. 正确：在MCP客户端中配置它（上述步骤3）
  2. 不正确：跑步 vision-mcp 直接在终端

仅限快速测试： 如果要测试安装，请使用：

OPENROUTER_API_KEY="your_key" vision-mcp --help

“我到底该怎么用这个？”

此服务器没有web界面或CLI命令。这是一个 MCP服务器 通过MCP协议为您的AI助手添加视觉功能。

工作流程：

  1. 全局安装服务器(npm install -g @thenomadinorbit/vision-mcp-server)
  2. 在MCP客户端（Claude Desktop等）中配置它
  3. 让你的AI助手分析图像
  4. AI助手在幕后使用此服务器

未找到命令： vision-mcp

  1. 用于npm安装：一定要跑 npm install -g @thenomadinorbit/vision-mcp-server
  2. 用于源安装：一定要跑 npm install -g . 建成后
  3. 试着跑步 npm list -g @thenomadinorbit/vision-mcp-server 验证安装
  4. 重新启动终端

“找不到服务器”或“连接失败”

  1. 验证命令是否 vision-mcp （不是文件路径）
  2. 确保你跑了 npm run build
  3. 检查全局安装是否正常工作： which vision-mcp
  4. 重新启动MCP客户端

“API密钥无效”

  1. 双击您的OpenRouter API密钥
  2. 确保它从以下内容开始 sk-or-v1-
  3. 验证您的OpenRouter帐户中是否有信用

“视觉分析失败”

  1. 尝试使用较小的图像（小于10MB）
  2. 确保支持图像格式（JPG、PNG、WebP）
  3. 检查您的OpenRouter帐户是否有足够的信用

仍然不工作吗？

  1. 检查MCP客户端日志中的错误消息
  2. 确保您的配置文件具有有效的JSON语法
  3. 尝试重新启动计算机

报告问题

发现错误或有建议？请随意 打开一个问题 与：

  • 问题的清晰描述
  • 重现步骤
  • 预期行为与实际行为
  • 您的环境详细信息（Node.js版本、操作系统等）

开发设置

如果你想分叉和修改以供自己使用：

git clone https://github.com/TheNomadInOrbit/vision-mcp-server.git
cd vision-mcp-server
npm install
npm run build

安全

如果您发现安全漏洞，请 打开安全问题 带有“安全”标签。

更新日志

看 更改日志.md 查看详细的变化历史。

许可证

麻省理工学院-随心所欲地使用它。

相关 MCP