mcp-vision MCP Sunucusu

“mcp-vision” MCP Sunucusu ne yapar?

“mcp-vision” MCP Sunucusu, HuggingFace bilgisayarla görme modellerini — sıfır atış nesne tespiti gibi — büyük dil veya görsel-dil modellerinin görme yeteneklerini artırmak için araçlar olarak sunan bir Model Context Protocol (MCP) sunucusudur. AI asistanlarını güçlü bilgisayarla görme modellerine bağlayarak, mcp-vision geliştirme iş akışlarında nesne tespiti ve görüntü analizi gibi görevleri doğrudan mümkün kılar. Bu, LLM’lerin ve diğer AI istemcilerinin görüntüleri programlı olarak sorgulamasını, işlemesini ve analiz etmesini sağlar ve uygulamalarda görme tabanlı etkileşimleri otomatikleştirmeyi, standartlaştırmayı ve genişletmeyi kolaylaştırır. Sunucu hem GPU hem de CPU ortamları için uygundur ve popüler AI platformlarıyla kolay entegrasyon için tasarlanmıştır.

İstem Listesi

Dokümantasyonda veya depo dosyalarında belirli bir istem şablonu belirtilmemiştir.

Kaynak Listesi

Depoda açıkça listelenmiş bir MCP kaynağı veya dokümantasyonu yoktur.

Araçlar Listesi

• locate_objects
  HuggingFace üzerinden sunulan sıfır atış nesne tespiti boru hatlarından birini kullanarak bir görüntüde nesneleri tespit edin ve yerini belirleyin. Girdiler: görüntü yolu, aday etiketler listesi ve isteğe bağlı model adı. Standart formatta tespit edilen nesnelerin listesini döndürür.

• zoom_to_object
  Bir görüntüdeki belirli bir nesneye yakınlaşmak için, en iyi tespit puanına sahip nesnenin sınırlayıcı kutusuna göre görüntüyü kırpar. Girdiler: görüntü yolu, bulunacak etiket ve isteğe bağlı model adı. Kırpılmış bir görüntü veya None döndürür.

Bu MCP Sunucusunun Kullanım Alanları

• Görüntülerde Otomatik Nesne Tespiti
  Geliştiriciler, mcp-vision’ı kullanarak görüntülerde nesneleri programlı olarak tespit edip yerini belirleyebilir ve bu sayede görüntü etiketleme, içerik denetimi ve görsel arama gibi görevleri kolaylaştırabilir.
• Görme Tabanlı İş Akışı Otomasyonu
  Nesne tespitini daha büyük iş akışlarına entegre edin, örneğin görüntüleri içeriğine göre sıralamak, tespit edilen öğelere dayalı rapor oluşturmayı otomatikleştirmek veya erişilebilirlik araçlarını geliştirmek gibi.
• Etkileşimli Görüntü İncelemesi
  AI asistanları, kullanıcıların görüntülerde belirli nesnelere yakınlaşmasına yardımcı olabilir; bu, kalite kontrol, tıbbi görüntü analizi veya ürün tanımlama gibi görevlerde kullanılabilir.
• AI Ajanlarını Görsel Yeteneklerle Zenginleştirme
  LLM’ler görsel veriler üzerinde akıl yürütebilir ve işlem yapabilir, böylece sohbet botları, dijital asistanlar ve araştırma araçları gibi uygulamalarda daha zengin çok modlu etkileşimler ve bağlama duyarlı yanıtlar sağlar.

Nasıl kurulur

Windsurf

Depoda Windsurf için kurulum talimatı verilmemiştir.

Claude

1. Ön Gereksinimler:
   Docker’ın kurulu olduğundan ve GPU kullanıyorsanız NVIDIA destekli bir ortamınız olduğundan emin olun.
2. Docker İmajı Oluşturun veya Kullanın:
   • Yerelde oluşturun:

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

   • Genel imajı kullanın (isteğe bağlı): Derleme gerekmez.
3. Yapılandırmayı Düzenleyin:
   claude_desktop_config.json dosyasını açın ve aşağıdakini mcpServers altına ekleyin:
   • GPU için:

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

   • CPU için:

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

   • Genel imaj için (beta):

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

4. Kaydedin ve Yeniden Başlatın:
   Yapılandırmayı kaydedin ve Claude Desktop’u yeniden başlatın.
5. Kurulumu Doğrulayın:
   mcp-vision’ın Claude Desktop arayüzünde bir MCP sunucusu olarak kullanılabilir olduğundan emin olun.

API Anahtarlarını Güvenceye Alma

• Dokümantasyonda herhangi bir API anahtarı gereksinimi veya örneği verilmemiştir.

Cursor

Depoda Cursor için kurulum talimatı yoktur.

Cline

Depoda Cline için kurulum talimatı yoktur.

Bu MCP’yi akışlarda nasıl kullanırsınız

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucu ayrıntılarınızı aşağıdaki JSON formatını kullanarak girin:

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

Yapılandırıldıktan sonra, AI ajanı artık bu MCP’yi tüm işlevlerine ve yeteneklerine erişebilen bir araç olarak kullanabilir. “mcp-vision” adını kendi MCP sunucunuzun gerçek adıyla ve URL’yi de kendi MCP sunucu URL’nizle değiştirmeyi unutmayın.

Genel Bakış

Roots Desteği: Bahsedilmemiş

Genel olarak, mcp-vision HuggingFace görsel modelleriyle doğrudan ve kullanışlı bir entegrasyon sağlar ancak kaynaklar, istem şablonları veya roots ya da örnekleme gibi gelişmiş MCP özellikleri hakkında dokümantasyon eksiktir. Kurulumu Claude Desktop için iyi belgelenmiştir, ancak diğer platformlar için bilgi eksiktir.

Bizim görüşümüz

mcp-vision, özellikle Docker destekli ortamlarda AI iş akışlarına görsel zeka eklemek için odaklanmış ve pratik bir MCP sunucusudur. En büyük avantajları net araç sunumları ve Claude Desktop için kolay kurulumu olsa da, kaynaklar, istem şablonları ve daha fazla platform ile gelişmiş MCP özellikleri konusunda daha zengin bir dokümantasyon ile daha da iyi olabilir.

MCP Puanı