MCP 服务器

Vision MCP Server

Provides image understanding capabilities for MCP clients (e.g., Claude Code) by analyzing images using vision models from providers like Alibaba Cloud Bailian, OpenAI, or OpenRouter, returning detailed descriptions in Markdown format.

README

Vision MCP Server

为 MCP 客户端（Claude Code 等）提供图片理解能力，通过阿里云百炼/OpenAI/OpenRouter 等视觉模型分析图片内容，返回面向软件开发的描述。

快速开始

pip install -e .
python -m vision_mcp_server

环境变量

必选

变量	说明
`DASHSCOPE_API_KEY`	百炼 API Key（默认 Provider）

Provider 切换

变量	默认值	说明
`VISION_PROVIDER`	`bailian`	Provider 名称：`bailian` / `openai` / `openrouter`
`VISION_BASE_URL`	按 Provider	覆盖 API 端点地址
`VISION_MODEL`	按 Provider	覆盖模型名称
`VISION_API_KEY`	按 Provider	覆盖 API Key
`VISION_MAX_TOKENS`	`600` (quick) / `1500` (detailed)	最大输出 token 数

各 Provider 默认值

Provider	模型	地址
`bailian`	`qwen-vl-max`	`https://dashscope.aliyuncs.com/compatible-mode/v1`
`openai`	`gpt-4o-mini`	`https://api.openai.com/v1`
`openrouter`	`openai/gpt-4o`	`https://openrouter.ai/api/v1`

Tool: `image_understand`

image_understand(image_path: str, prompt: str | None = None, mode: str = "quick") -> dict

参数

参数	类型	默认	说明
`image_path`	string	必填	本地图片路径（PNG/JPG/GIF/WebP）或 HTTP URL
`prompt`	string	`None`	自定义提问，不传则自动选择提示词
`mode`	string	`"quick"`	`"quick"` 精简快速（5-10s）/ `"detailed"` 七维度详细分析

{
  "description": "图片内容描述（Markdown 格式）",
  "model": "qwen-vl-max",
  "status": "success"
}

两种模式

模式	耗时	输出	适用场景
`quick`	5-10s	3-4 要点	日常识图、快速了解
`detailed`	15-30s	七维度分析	UI 还原、设计评审、图表提取

detailed 模式的七个分析维度

UI 布局 — 整体结构、区块位置比例
组件结构 — 按钮/表单/表格的层次嵌套
页面层级 — 信息层级关系
配色风格 — 主色调、设计风格、明暗模式
OCR 文字 — 所有可见文字及位置
图表信息 — 图表类型、数据维度、关键数值
前端实现特征 — CSS 框架、响应式、动画、图标库

Claude Code 配置

项目根目录创建 .mcp.json：

{
  "mcpServers": {
    "vision": {
      "command": "python",
      "args": ["-m", "vision_mcp_server"],
      "cwd": "E:/MCP",
      "env": {
        "DASHSCOPE_API_KEY": "sk-xxx"
      }
    }
  }
}

安装后 /mcp → Reconnect 生效。

项目结构

src/vision_mcp_server/
├── __init__.py
├── __main__.py       # 入口
├── server.py         # FastMCP + image_understand tool
├── vision.py         # 多 Provider 视觉客户端
└── image_utils.py    # 图片路径检测 + Base64 编码