mcp-vision MCP Server

O que faz o MCP Server “mcp-vision”?

O “mcp-vision” MCP Server é um servidor Model Context Protocol (MCP) que expõe modelos de visão computacional do HuggingFace — como detecção de objetos zero-shot — como ferramentas para aprimorar as capacidades de visão de grandes modelos de linguagem ou modelos visão-linguagem. Ao conectar assistentes de IA com poderosos modelos de visão computacional, o mcp-vision permite tarefas como detecção de objetos e análise de imagens diretamente em fluxos de desenvolvimento. Isso possibilita que LLMs e outros clientes de IA consultem, processem e analisem imagens programaticamente, facilitando a automação, padronização e extensão de interações baseadas em visão em aplicações. O servidor é adequado para ambientes com GPU e CPU e foi projetado para fácil integração com plataformas de IA populares.

Lista de Prompts

Nenhum template de prompt específico é mencionado na documentação ou arquivos do repositório.

Ready to grow your business?

Start your free trial today and see results within days.

Request demo Log in

Lista de Recursos

Nenhum recurso MCP explícito é documentado ou listado no repositório.

Lista de Ferramentas

• locate_objects
  Detecte e localize objetos em uma imagem usando um dos pipelines de detecção de objetos zero-shot disponíveis pelo HuggingFace. As entradas incluem o caminho da imagem, uma lista de rótulos candidatos e um nome de modelo opcional. Retorna uma lista de objetos detectados em formato padrão.

• zoom_to_object
  Dê zoom em um objeto específico em uma imagem recortando a imagem para a caixa delimitadora do objeto com a melhor pontuação de detecção. As entradas incluem o caminho da imagem, um rótulo a ser encontrado e um nome de modelo opcional. Retorna uma imagem recortada ou None.

Join our newsletter

Get latest tips, trends, and deals for free.

Email address

Subscribe

Casos de Uso deste MCP Server

• Detecção Automatizada de Objetos em Imagens
  Desenvolvedores podem usar o mcp-vision para detectar e localizar objetos em imagens programaticamente, agilizando tarefas como marcação de imagens, moderação de conteúdo e busca visual.
• Automação de Fluxos Baseados em Visão
  Integre a detecção de objetos em fluxos maiores, como ordenar imagens por conteúdo, gerar relatórios automáticos baseados em itens detectados ou melhorar ferramentas de acessibilidade.
• Exploração Interativa de Imagens
  Assistentes de IA podem ajudar usuários a dar zoom em objetos específicos dentro de imagens, auxiliando em tarefas como inspeção de qualidade, análise de imagens médicas ou identificação de produtos.
• Aprimorando Agentes de IA com Capacidades Visuais
  LLMs podem raciocinar sobre dados visuais e agir a partir deles, permitindo interações multimodais mais ricas e respostas com contexto em aplicações como chatbots, assistentes digitais e ferramentas de pesquisa.

Como configurar

Windsurf

Nenhuma instrução de configuração para Windsurf é fornecida no repositório.

Claude

1. Pré-requisitos:
   Certifique-se de ter o Docker instalado e, se for usar GPU, um ambiente com suporte a NVIDIA.
2. Construa ou Utilize a Imagem Docker:
   • Construir localmente:

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

   • Usar imagem pública (opcional): Não é necessário construir.
3. Edite a Configuração:
   Abra o arquivo claude_desktop_config.json e adicione o seguinte em mcpServers:
   • Para GPU:

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

   • Para CPU:

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

   • Para imagem pública (beta):

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

4. Salve e Reinicie:
   Salve a configuração e reinicie o Claude Desktop.
5. Verifique a Configuração:
   Certifique-se de que o mcp-vision está disponível como um servidor MCP na interface do Claude Desktop.

Segurança de Chaves de API

• Nenhuma exigência ou exemplo de chave de API é fornecido na documentação.

Cursor

Nenhuma instrução de configuração para Cursor é fornecida no repositório.

Cline

Nenhuma instrução de configuração para Cline é fornecida no repositório.

Como usar este MCP em fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo no FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração do MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

{
  "mcp-vision": {
    "transport": "streamable_http",
    "url": "https://seumcpserver.exemplo/caminhoparamcp/url"
  }
}

Depois de configurado, o agente de IA pode usar este MCP como uma ferramenta com acesso a todas as suas funções e capacidades. Lembre-se de trocar “mcp-vision” pelo nome real do seu servidor MCP e substituir a URL pela URL do seu próprio servidor MCP.

Visão Geral

Suporte a Roots: Não mencionado

No geral, o mcp-vision oferece integração útil e direta com modelos de visão do HuggingFace, mas carece de documentação sobre recursos, templates de prompts ou recursos avançados de MCP como roots ou sampling. Sua configuração é bem documentada para o Claude Desktop, mas não para outras plataformas.

Nossa opinião

O mcp-vision é um servidor MCP focado e prático para adicionar inteligência visual a fluxos de IA, especialmente em ambientes que suportam Docker. Seus principais pontos fortes são a oferta clara de ferramentas e a configuração direta para Claude Desktop, mas se beneficiaria de uma documentação mais rica, especialmente sobre recursos, templates de prompts e suporte a plataformas adicionais e funções MCP avançadas.

Pontuação MCP