خادم mcp-vision MCP

ما وظيفة خادم “mcp-vision” MCP؟

يُعد خادم “mcp-vision” MCP خادم بروتوكول سياق النموذج (MCP) يتيح نماذج الرؤية الحاسوبية من HuggingFace — مثل اكتشاف الأجسام بدون تدريب مسبق — كأدوات تعزز القدرات البصرية لنماذج اللغة الكبيرة أو نماذج اللغة البصرية. من خلال ربط المساعدين الذكيين بنماذج الرؤية الحاسوبية القوية، يتيح mcp-vision مهاماً مثل اكتشاف الأجسام وتحليل الصور مباشرة ضمن تدفقات التطوير. يسمح هذا لنماذج اللغة الكبيرة والعملاء الذكيين الآخرين باستعلام الصور ومعالجتها وتحليلها برمجياً، مما يسهل أتمتة وتوحيد وتوسيع التفاعلات البصرية في التطبيقات. الخادم مناسب لبيئات GPU وCPU ومصمم لسهولة التكامل مع منصات الذكاء الاصطناعي الشائعة.

قائمة القوالب البرمجية (Prompts)

لا توجد قوالب برمجية محددة مذكورة في التوثيق أو ملفات المستودع.

هل أنت مستعد لتنمية عملك؟

ابدأ تجربتك المجانية اليوم وشاهد النتائج في غضون أيام.

طلب عرض توضيحي تسجيل الدخول

قائمة الموارد

لا توجد موارد MCP صريحة موثقة أو مدرجة في المستودع.

قائمة الأدوات

• locate_objects
  اكتشف وحدد الأجسام في صورة باستخدام إحدى خطوط اكتشاف الأجسام بدون تدريب مسبق المتوفرة عبر HuggingFace. المدخلات تشمل مسار الصورة، قائمة التسميات المرشحة، واسم النموذج (اختياري). تُرجع قائمة بالأجسام المكتشفة بتنسيق قياسي.

• zoom_to_object
  قم بالتكبير إلى جسم معين في صورة عن طريق قص الصورة إلى صندوق تحديد الجسم الذي حصل على أفضل نتيجة. المدخلات تشمل مسار الصورة، تسمية للبحث عنها، واسم النموذج (اختياري). تُرجع صورة مقصوصة أو None.

انضم إلى نشرتنا الإخبارية

احصل على أحدث النصائح والاتجاهات والعروض مجانًا.

عنوان البريد الإلكتروني

اشترك

حالات استخدام هذا الخادم MCP

• اكتشاف الأجسام التلقائي في الصور
  يمكن للمطورين استخدام mcp-vision لاكتشاف وتحديد الأجسام في الصور برمجياً، لتسهيل مهام مثل تصنيف الصور، مراقبة المحتوى، والبحث البصري.
• أتمتة سير العمل بناءً على الرؤية
  دمج اكتشاف الأجسام ضمن تدفقات عمل أكبر، مثل فرز الصور حسب المحتوى، أتمتة توليد التقارير بناءً على العناصر المكتشفة، أو تحسين أدوات الوصول.
• استكشاف الصور تفاعلياً
  يمكن للمساعدين الذكيين مساعدة المستخدمين في التكبير إلى أجسام معينة داخل الصور، لدعم مهام مثل فحص الجودة، تحليل الصور الطبية، أو تحديد المنتجات.
• تعزيز وكلاء الذكاء الاصطناعي بقدرات بصرية
  يمكن لنماذج اللغة الكبيرة تحليل البيانات البصرية واتخاذ إجراءات بناءً عليها، مما يتيح تفاعلات متعددة الوسائط أكثر ثراءً واستجابات مدركة للسياق في التطبيقات مثل الدردشة، المساعدين الرقميين، وأدوات البحث.

كيفية إعداده

Windsurf

لم يتم توفير تعليمات إعداد Windsurf في المستودع.

Claude

1. المتطلبات الأساسية:
   تأكد من تثبيت Docker، وإذا كنت تستخدم GPU، فوجود بيئة تدعم NVIDIA.
2. بناء أو استخدام صورة Docker:
   • البناء محلياً:

     git clone git@github.com:groundlight/mcp-vision.git
     cd mcp-vision
     make build-docker
     

   • استخدام الصورة العامة (اختياري): لا حاجة للبناء.
3. تعديل الإعدادات:
   افتح claude_desktop_config.json وأضف التالي تحت mcpServers:
   • لـ GPU:

     "mcpServers": {
       "mcp-vision": {
         "command": "docker",
         "args": ["run", "-i", "--rm", "--runtime=nvidia", "--gpus", "all", "mcp-vision"],
         "env": {}
       }
     }
     

   • لـ CPU:

     "mcpServers": {
       "mcp-vision": {
         "command": "docker",
         "args": ["run", "-i", "--rm", "mcp-vision"],
         "env": {}
       }
     }
     

   • للصورة العامة (تجريبي):

     "mcpServers": {
       "mcp-vision": {
         "command": "docker",
         "args": ["run", "-i", "--rm", "--runtime=nvidia", "--gpus", "all", "groundlight/mcp-vision:latest"],
         "env": {}
       }
     }
     

4. الحفظ وإعادة التشغيل:
   احفظ الإعدادات وأعد تشغيل Claude Desktop.
5. التحقق من الإعداد:
   تأكد من توفر mcp-vision كخادم MCP في واجهة مستخدم Claude Desktop.

تأمين مفاتيح API

• لا توجد متطلبات أو أمثلة لمفاتيح API في التوثيق.

Cursor

لم يتم توفير تعليمات إعداد Cursor في المستودع.

Cline

لم يتم توفير تعليمات إعداد Cline في المستودع.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في تدفق عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي لديك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات MCP للنظام، أدخل تفاصيل خادم MCP باستخدام هذا التنسيق JSON:

{
  "mcp-vision": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بمجرد الإعداد، يصبح بإمكان وكيل الذكاء الاصطناعي استخدام هذا MCP كأداة مع الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “mcp-vision” إلى اسم خادم MCP الفعلي الخاص بك واستبدال الرابط بالرابط الخاص بك.

نظرة عامة

دعم الجذور: لم يُذكر

بشكل عام، يوفر mcp-vision تكاملاً مباشراً ومفيداً مع نماذج الرؤية من HuggingFace، لكنه يفتقر إلى التوثيق حول الموارد أو القوالب البرمجية أو ميزات MCP المتقدمة مثل الجذور أو أخذ العينات. إعداده موثق جيداً لـ Claude Desktop، ولكنه ليس كذلك للمنصات الأخرى.

رأينا

mcp-vision هو خادم MCP مركز وعملي لإضافة الذكاء البصري إلى تدفقات الذكاء الاصطناعي، خاصة في البيئات التي تدعم Docker. قوته الرئيسية في وضوح الأدوات وسهولة الإعداد لـ Claude Desktop، لكنه بحاجة إلى توثيق أغنى، خاصة فيما يتعلق بالموارد، القوالب البرمجية، ودعم المزيد من المنصات وميزات MCP المتقدمة.

تقييم MCP