vision-mcp-worker

部署在 Cloudflare Worker 上的 MCP 服务器，给 AI 提供"看图"能力（describe_image 工具），附带一个 Apple 风格的模型状态展示页。

• MCP 端点：https://<your-domain>/mcp（Streamable HTTP，建议用 Cloudflare Access Service Auth 保护）
• 状态页：https://<your-domain>/（模型与健康状态一览）
• 详细接入文档：见 MCP_SETUP.md
• 部署配置模板：见 wrangler.toml.example（真实 wrangler.toml 不提交）

模型配置与切换（环境变量）

模型完全通过环境变量配置，不用改代码。 修改后 pnpm run deploy 生效。

1. Workers AI 模型（默认，免费额度）

在 wrangler.toml 的 [vars] 里设置 VISION_MODEL：

[vars]
VISION_MODEL = "@cf/meta/llama-3.2-11b-vision-instruct"

默认回退模型为 Meta Llama 3.2 11B Vision（稳定、抠文字/数字细节强、便宜）。

2. 第三方 OpenAI 兼容模型（可选，优先于 Workers AI）

任意 OpenAI 兼容的视觉模型提供商（OpenAI / DeepSeek / 智谱 / 中转站 / Ollama 等）：

[vars]
OPENAI_API_BASE = "https://api.example.com/v1"   # 提供商 OpenAI 兼容端点
OPENAI_API_MODEL = "gpt-4o-mini"                  # 第三方模型名（不填则复用 VISION_MODEL）

# API Key 用 secret 存，不要写进仓库：
npx wrangler secret put OPENAI_API_KEY

优先级：配置了 OPENAI_API_BASE + OPENAI_API_KEY → 走第三方（chat/completions，图片以 image_url 传入）；否则走 Workers AI 的 VISION_MODEL。

3. 切换示例

想要的效果	配置
用 Workers AI 的 llama（回退默认）	VISION_MODEL 设为 llama，注释掉 OPENAI_API_BASE
用第三方模型	设置 OPENAI_API_BASE + OPENAI_API_MODEL + OPENAI_API_KEY
换其他第三方模型	改 OPENAI_API_MODEL 即可，不用动代码

注意事项

• OPENAI_API_KEY 是 secret，存于 Cloudflare（wrangler secret），状态页只显示"已配置/未配置"
• 第三方中转若不稳定，健康检查会如实显示 DEGRADED，属正常现象
• 多模态模型才能做图片识别；纯文本模型（如 kimi-k2 系列）不能用于 describe_image

开发

pnpm install     # 依赖
pnpm run deploy  # 部署到 Cloudflare
pnpm test        # 测试

目录

文件	说明
src/index.js	Worker 入口：MCP 端点 / 状态页 / 健康检查 / 模型路由
wrangler.toml.example	部署配置模板（真实配置见本地 wrangler.toml）
tools/vision.js	本地截图识别脚本
tools/dashboard-demo.html	测试页（仪表盘）
MCP_SETUP.md	完整接入与排障文档