mcp-vision MCP Server

Cosa fa il server MCP “mcp-vision”?

Il server MCP “mcp-vision” è un server Model Context Protocol (MCP) che espone i modelli di visione artificiale di HuggingFace—come il rilevamento di oggetti zero-shot—come strumenti per potenziare le capacità visive di large language model o modelli vision-language. Collegando assistenti AI a potenti modelli di visione artificiale, mcp-vision consente attività come il rilevamento oggetti e l’analisi delle immagini direttamente nei workflow di sviluppo. Questo permette a LLM e altri client AI di interrogare, elaborare e analizzare immagini in modo programmato, facilitando l’automatizzazione, la standardizzazione e l’estensione delle interazioni visive nelle applicazioni. Il server è adatto sia ad ambienti GPU che CPU ed è progettato per una facile integrazione con le principali piattaforme AI.

Elenco dei Prompt

Nessun template di prompt specifico è menzionato nella documentazione o nei file del repository.

Elenco delle Risorse

Nessuna risorsa MCP esplicita è documentata o elencata nel repository.

Elenco degli Strumenti

• locate_objects
  Rileva e individua oggetti in un’immagine utilizzando una delle pipeline di rilevamento oggetti zero-shot disponibili tramite HuggingFace. Gli input includono il percorso dell’immagine, una lista di etichette candidate e un nome modello opzionale. Restituisce una lista di oggetti rilevati in formato standard.

• zoom_to_object
  Esegue lo zoom su uno specifico oggetto in un’immagine ritagliando l’immagine sulla bounding box dell’oggetto con il punteggio di rilevamento più alto. Gli input includono il percorso dell’immagine, un’etichetta da cercare e un nome modello opzionale. Restituisce un’immagine ritagliata o None.

Casi d’uso di questo server MCP

• Rilevamento automatico di oggetti nelle immagini
  Gli sviluppatori possono usare mcp-vision per rilevare e individuare oggetti nelle immagini in modo programmato, semplificando attività come tagging immagini, moderazione dei contenuti e ricerca visiva.
• Automazione di workflow basati sulla visione
  Integra il rilevamento oggetti in workflow più ampi, come ordinare immagini in base al contenuto, automatizzare la generazione di report basati sugli oggetti rilevati o migliorare strumenti di accessibilità.
• Esplorazione interattiva delle immagini
  Gli assistenti AI possono aiutare gli utenti a zoomare su oggetti specifici all’interno delle immagini, facilitando attività come ispezione qualità, analisi di immagini mediche o identificazione prodotti.
• Potenziare gli agenti AI con capacità visive
  Gli LLM possono ragionare e agire su dati visivi, permettendo interazioni multimodali più ricche e risposte contestuali in applicazioni come chatbot, assistenti digitali e strumenti di ricerca.

Come configurarlo

Windsurf

Nessuna istruzione di configurazione per Windsurf è fornita nel repository.

Claude

1. Prerequisiti:
   Assicurati di avere Docker installato e, se usi una GPU, un ambiente abilitato NVIDIA.
2. Costruisci o usa l’immagine Docker:
   • Costruisci localmente:

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

   • Usa l’immagine pubblica (opzionale): Non è richiesta la build.
3. Modifica la configurazione:
   Apri claude_desktop_config.json e aggiungi quanto segue sotto mcpServers:
   • Per GPU:

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

   • Per CPU:

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

   • Per immagine pubblica (beta):

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

4. Salva e riavvia:
   Salva la configurazione e riavvia Claude Desktop.
5. Verifica la configurazione:
   Assicurati che mcp-vision sia disponibile come server MCP nell’interfaccia di Claude Desktop.

Protezione delle API Key

• Non sono fornite istruzioni o esempi per API key nella documentazione.

Cursor

Nessuna istruzione di configurazione per Cursor è fornita nel repository.

Cline

Nessuna istruzione di configurazione per Cline è fornita nel repository.

Come usare questo MCP all’interno dei flussi

Uso di MCP in FlowHunt

Per integrare i server MCP nel tuo workflow FlowHunt, inizia aggiungendo il componente MCP al tuo flusso e collegandolo al tuo agente AI:

Fai clic sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP utilizzando questo formato JSON:

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

Una volta configurato, l’agente AI potrà utilizzare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare “mcp-vision” con il vero nome del tuo server MCP e di sostituire la URL con la URL del tuo server MCP.

Panoramica

Supporto Roots: Non menzionato

Nel complesso, mcp-vision offre un’integrazione utile e diretta con i modelli di visione HuggingFace ma manca di documentazione su risorse, template di prompt o funzionalità MCP avanzate come roots o sampling. La configurazione è ben documentata per Claude Desktop ma non per altre piattaforme.

La nostra opinione

mcp-vision è un server MCP focalizzato e pratico per aggiungere intelligenza visiva ai workflow AI, specialmente in ambienti che supportano Docker. I suoi principali punti di forza sono gli strumenti chiari e la configurazione lineare per Claude Desktop, ma trarrebbe beneficio da una documentazione più ricca, in particolare su risorse, template di prompt e supporto per altre piattaforme e funzionalità MCP avanzate.

Punteggio MCP