mcp-vision MCP 서버

“mcp-vision” MCP 서버는 무엇을 하나요?

“mcp-vision” MCP 서버는 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버로, HuggingFace의 컴퓨터 비전 모델(예: zero-shot 객체 감지)을 대형 언어 모델(LLM) 혹은 비전-언어 모델의 시각적 역량을 강화하는 도구로 제공합니다. 이 서버를 통해 AI 어시스턴트와 강력한 컴퓨터 비전 모델을 연결함으로써, 객체 감지 및 이미지 분석과 같은 작업을 개발 워크플로우 내에서 직접 수행할 수 있습니다. LLM 및 기타 AI 클라이언트가 이미지를 프로그래밍적으로 질의, 처리, 분석할 수 있어, 비전 기반 상호작용을 자동화·표준화·확장하는 데 유용합니다. 서버는 GPU와 CPU 환경 모두에 적합하며, 인기 있는 AI 플랫폼과의 손쉬운 통합을 위해 설계되었습니다.

프롬프트 목록

문서나 레포지토리 파일에 특정 프롬프트 템플릿이 언급되어 있지 않습니다.

리소스 목록

레포지토리에 명시적으로 문서화된 MCP 리소스가 없습니다.

도구 목록

• locate_objects
  HuggingFace에서 제공하는 zero-shot 객체 감지 파이프라인 중 하나를 사용하여 이미지 내 객체를 감지하고 위치를 찾습니다. 입력값은 이미지 경로, 후보 레이블 목록, 선택적 모델명입니다. 표준 형식의 감지된 객체 목록을 반환합니다.

• zoom_to_object
  이미지에서 특정 객체로 확대(크롭)합니다. 최적의 감지 점수를 받은 객체의 경계 상자를 기준으로 이미지를 자릅니다. 입력값은 이미지 경로, 찾을 레이블, 선택적 모델명입니다. 크롭된 이미지나 None을 반환합니다.

이 MCP 서버의 사용 사례

• 이미지 내 자동 객체 감지
  개발자는 mcp-vision을 통해 이미지 내 객체를 프로그래밍적으로 감지 및 위치 파악하여, 이미지 태깅, 콘텐츠 검열, 비주얼 검색 등 업무를 자동화할 수 있습니다.
• 비전 기반 워크플로우 자동화
  객체 감지를 더 큰 워크플로우에 통합해, 콘텐츠별 이미지 분류, 감지된 항목 기반 보고서 자동 생성, 접근성 도구 강화 등에 활용할 수 있습니다.
• 인터랙티브 이미지 탐색
  AI 어시스턴트가 사용자가 이미지 내 특정 객체를 확대(줌인)할 수 있도록 도와 품질 검사, 의료 영상 분석, 제품 식별 등 다양한 작업에 적용할 수 있습니다.
• AI 에이전트의 시각 역량 강화
  LLM이 시각 데이터를 기반으로 추론·행동할 수 있어, 챗봇, 디지털 어시스턴트, 연구 도구 등에서 더 풍부한 멀티모달 상호작용과 상황 인지 응답이 가능해집니다.

설치 방법

Windsurf

레포지토리에 Windsurf용 설치 안내가 제공되지 않습니다.

Claude

1. 사전 준비:
   Docker가 설치되어 있고, GPU를 사용할 경우 NVIDIA 환경이 준비되어 있는지 확인하세요.
2. Docker 이미지 빌드 또는 사용:
   • 로컬 빌드:

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

   • 공개 이미지 사용(선택): 빌드 불필요.
3. 설정 파일 수정:
   claude_desktop_config.json 파일을 열고 mcpServers 아래 다음을 추가하세요:
   • GPU 환경:

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

   • CPU 환경:

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

   • 공개 이미지(beta):

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

4. 저장 및 재시작:
   설정을 저장하고 Claude Desktop을 재시작하세요.
5. 설정 확인:
   Claude Desktop UI에서 mcp-vision이 MCP 서버로 등록되어 있는지 확인하세요.

API 키 보안

• 문서 기준으로 API 키 필요 사항이나 예시는 제공되지 않습니다.

Cursor

레포지토리에 Cursor용 설치 안내가 제공되지 않습니다.

Cline

레포지토리에 Cline용 설치 안내가 제공되지 않습니다.

플로우 내에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 다음과 같이 MCP 서버 정보를 JSON 형식으로 입력하세요:

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

설정이 완료되면, AI 에이전트가 이 MCP의 모든 기능과 역량을 도구로 사용할 수 있습니다. “mcp-vision” 이름은 실제 사용 중인 MCP 서버 명으로, URL은 본인의 MCP 서버 주소로 변경해야 합니다.

개요

Roots 지원: 언급 없음

전반적으로, mcp-vision은 HuggingFace 비전 모델과의 직접적이고 유용한 통합을 제공하지만, 리소스, 프롬프트 템플릿, roots 또는 샘플링 등 고급 MCP 기능에 대한 문서화가 부족합니다. Claude Desktop 환경에서의 설치는 잘 문서화되어 있으나, 다른 플랫폼에 대한 안내는 제공되지 않습니다.

우리의 의견

mcp-vision은 특히 Docker를 지원하는 환경에서 AI 워크플로우에 시각적 인텔리전스를 추가하기에 집중적이고 실용적인 MCP 서버입니다. 명확한 도구 제공과 Claude Desktop을 위한 간단한 설치가 강점이지만, 리소스, 프롬프트 템플릿, 추가 플랫폼 및 고급 MCP 기능에 대한 더 풍부한 문서화가 필요해 보입니다.

MCP 점수