Vision Bridge MCP

通用视觉 MCP 服务器，支持多种多模态 API 格式。当 Claude Code / Claude Desktop 使用的模型无法直接处理图片时，可通过该 MCP 工具将图片内容转换为文字描述，从而间接“看懂”图片。

功能

提供 3 个 MCP 工具：

• describe_image：详细描述图片内容（对象、场景、文字、人物动作、颜色、布局等）。
• extract_image_text：提取图片中的所有文字（OCR）。
• ask_about_image：针对图片回答具体问题。

支持四种图片输入方式：

• image_url：图片 URL
• image_path：本地图片路径
• image_base64：Base64 编码的图片数据
• image：Messages API 格式的图片内容块，例如：

{
  "type": "image",
  "source": {
    "type": "base64",
    "media_type": "image/png",
    "data": "iVBORw0KGgo..."
  }
}

支持的 API 格式（Provider）

Provider	说明	默认 Endpoint
anthropic	Anthropic Messages API	/v1/messages
openai	OpenAI Chat Completions API	/chat/completions
gemini	Gemini Native generateContent API	/v1beta/models/{model}:generateContent

通过 PROVIDER 环境变量切换 API 格式。

快速开始

全局安装

npm install -g @shen866/vision-bridge-mcp

本地开发

git clone https://github.com/shen866/vision-bridge-mcp.git
cd vision-bridge-mcp
npm install
npm run build

配置 Claude Code

API_KEY、BASE_URL、MODEL 为必填项。

Anthropic Messages

{
  "mcpServers": {
    "vision_bridge": {
      "command": "npx",
      "args": ["-y", "@shen866/vision-bridge-mcp"],
      "env": {
        "API_KEY": "your-api-key",
        "BASE_URL": "https://api.anthropic.com",
        "MODEL": "claude-3-5-sonnet-20241022"
      }
    }
  }
}

如果使用本地构建版本，将 command 改为 node 并把 args 改为绝对路径：

{
  "mcpServers": {
    "vision_bridge": {
      "command": "node",
      "args": ["/Users/shen/workspace/kimi-vision-mcp/dist/index.js"],
      "env": {
        "API_KEY": "your-api-key",
        "BASE_URL": "https://api.anthropic.com",
        "MODEL": "claude-3-5-sonnet-20241022"
      }
    }
  }
}

OpenAI Chat Completions

{
  "mcpServers": {
    "vision_bridge": {
      "command": "npx",
      "args": ["-y", "@shen866/vision-bridge-mcp"],
      "env": {
        "PROVIDER": "openai",
        "API_KEY": "your-api-key",
        "BASE_URL": "https://api.openai.com/v1",
        "MODEL": "gpt-4o"
      }
    }
  }
}

Gemini Native generateContent

{
  "mcpServers": {
    "vision_bridge": {
      "command": "npx",
      "args": ["-y", "@shen866/vision-bridge-mcp"],
      "env": {
        "PROVIDER": "gemini",
        "API_KEY": "your-api-key",
        "BASE_URL": "https://generativelanguage.googleapis.com",
        "MODEL": "gemini-1.5-pro-latest"
      }
    }
  }
}

使用

在 Claude Code / Claude Desktop 中发送图片或引用图片路径后，Claude 会自动调用 describe_image 等工具获取多模态模型对图片的文字描述，然后将描述交给纯文本模型继续处理。

如果 Claude Code 经常直接把图片发给模型导致报错，可以在项目根目录创建 .claude/CLAUDE.md：

当前模型不支持图片输入。当用户发送图片时，必须调用 vision_bridge MCP 工具处理，不要直接传给模型。

环境变量

变量	说明	默认值
PROVIDER	API 格式：anthropic、openai、gemini	anthropic
API_KEY	API 密钥	必填
BASE_URL	API 基础地址	必填
ENDPOINT	API 端点路径	取决于 provider
MODEL	模型名称	必填
MAX_TOKENS	最大输出 token 数	4096
API_VERSION	Messages API 版本	2023-06-01
AUTH_HEADER	Messages API 认证方式：x-api-key 或 bearer	x-api-key

协议

基于 MCP（Model Context Protocol）JSON-RPC 2.0，通过 stdio 进行通信。

401 排查

如果返回 401，通常是认证头不对。各 provider 默认认证方式如下：

• anthropic：x-api-key + anthropic-version
• openai：Authorization: Bearer
• gemini：URL query parameter ?key=

如果 Messages API 网关需要 Bearer Token，可设置：

"AUTH_HEADER": "bearer"