MCP 图像识别服务器

一个使用 Anthropic 和 OpenAI 视觉 API 提供图像识别功能的 MCP 服务器。版本 0.1.2。

功能

• 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）
• 可配置的主提供商和备用提供商
• 支持 Base64 和基于文件的图像输入
• 可选的 Tesseract OCR 文本提取

要求

• Python 3.8 或更高版本
• Tesseract OCR（可选）- 文本提取功能需要
  • Windows：从 UB-Mannheim/tesseract 下载并安装
  • 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

2. 创建并配置您的环境文件：

cp .env.example .env
# 使用您的 API 密钥和首选项编辑 .env

3. 构建项目：

build.bat

用法

运行服务器

使用 python 启动服务器：

python -m image_recognition_server.server

使用 batch 启动服务器：

run.bat server

在开发模式下使用 MCP Inspector 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: 主要视觉提供商（anthropic 或 openai）。
• FALLBACK_PROVIDER: 可选的备用提供商。
• LOG_LEVEL: 日志记录级别（DEBUG、INFO、WARNING、ERROR）。
• 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: gpt-4o-mini)。可以使用 OpenRouter 格式用于其他模型 (例如, anthropic/claude-3.5-sonnet:beta)。
• OPENAI_BASE_URL: OpenAI API 的可选自定义基本 URL。设置为 https://openrouter.ai/api/v1 以使用 OpenRouter。
• OPENAI_TIMEOUT: OpenAI API 的可选自定义超时时间（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，请按照以下步骤操作：

1. 从 OpenRouter 获取 OpenAI API 密钥。
2. 在您的 .env 文件中将 OPENAI_API_KEY 设置为您的 OpenRouter API 密钥。
3. 将 OPENAI_BASE_URL 设置为 https://openrouter.ai/api/v1。
4. 使用 OpenRouter 格式将 OPENAI_MODEL 设置为所需的模型（例如，anthropic/claude-3.5-sonnet:beta）。
5. 将 VISION_PROVIDER 设置为 openai。

默认模型

• Anthropic: claude-3.5-sonnet-beta
• OpenAI: gpt-4o-mini
• OpenRouter: 在 OPENAI_MODEL 中使用 anthropic/claude-3.5-sonnet:beta 格式。

开发

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 LICENSE 文件。

发布历史

• 0.1.2 (2025-02-20): 改进了 OCR 错误处理，并为 OCR 功能添加了全面的测试覆盖
• 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): 初始版本，支持 Anthropic 和 OpenAI 视觉