mcp-vision Máy chủ MCP

Máy chủ MCP “mcp-vision” làm gì?

Máy chủ MCP “mcp-vision” là một máy chủ Model Context Protocol (MCP) giúp xuất các mô hình thị giác máy tính của HuggingFace—như phát hiện vật thể zero-shot—thành các công cụ tăng cường năng lực thị giác cho các mô hình ngôn ngữ lớn hoặc mô hình ngôn ngữ-thị giác. Bằng cách kết nối trợ lý AI với các mô hình thị giác máy tính mạnh mẽ, mcp-vision cho phép thực hiện các tác vụ như phát hiện vật thể và phân tích hình ảnh trực tiếp trong quy trình phát triển. Điều này giúp các LLM và các khách hàng AI khác có thể truy vấn, xử lý, phân tích hình ảnh một cách lập trình, dễ dàng tự động hóa, tiêu chuẩn hóa và mở rộng các tương tác dựa trên thị giác trong ứng dụng. Máy chủ này phù hợp với cả môi trường GPU và CPU, được thiết kế để tích hợp dễ dàng với các nền tảng AI phổ biến.

Danh sách Prompt

Không có mẫu prompt cụ thể nào được đề cập trong tài liệu hoặc file repository.

Sẵn sàng phát triển doanh nghiệp của bạn?

Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.

Yêu cầu demo Đăng nhập

Danh sách Tài nguyên

Không có tài nguyên MCP nào được ghi chú hoặc liệt kê trong repository.

Danh sách Công cụ

• locate_objects
  Phát hiện và định vị các vật thể trong một hình ảnh bằng một trong các pipeline phát hiện vật thể zero-shot của HuggingFace. Đầu vào gồm đường dẫn ảnh, danh sách nhãn ứng viên và tên mô hình tùy chọn. Trả về danh sách các vật thể đã phát hiện theo định dạng tiêu chuẩn.

• zoom_to_object
  Phóng to vào một vật thể cụ thể trong ảnh bằng cách cắt ảnh vào hộp giới hạn của vật thể có điểm phát hiện tốt nhất. Đầu vào gồm đường dẫn ảnh, nhãn cần tìm và tên mô hình tùy chọn. Trả về ảnh đã cắt hoặc None.

Tham gia bản tin của chúng tôi

Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.

Địa chỉ email

Đăng ký

Các trường hợp sử dụng của máy chủ MCP này

• Tự động phát hiện vật thể trong ảnh
  Lập trình viên có thể dùng mcp-vision để tự động phát hiện và định vị các vật thể trong ảnh, tối ưu hóa các tác vụ như gắn nhãn ảnh, kiểm duyệt nội dung hoặc tìm kiếm hình ảnh.
• Tự động hóa quy trình dựa trên thị giác
  Kết hợp phát hiện vật thể vào các quy trình lớn hơn, như phân loại ảnh theo nội dung, tự động tạo báo cáo dựa trên vật thể đã phát hiện hoặc nâng cao công cụ hỗ trợ tiếp cận.
• Khám phá hình ảnh tương tác
  Trợ lý AI có thể giúp người dùng phóng to vào vật thể cụ thể trong ảnh, hỗ trợ các tác vụ như kiểm tra chất lượng, phân tích ảnh y tế hoặc nhận dạng sản phẩm.
• Bổ sung khả năng thị giác cho tác nhân AI
  LLM có thể suy luận và xử lý dữ liệu hình ảnh, cho phép các tương tác đa phương thức và phản hồi theo ngữ cảnh phong phú hơn trong các ứng dụng như chatbot, trợ lý số và công cụ nghiên cứu.

Hướng dẫn thiết lập

Windsurf

Không có hướng dẫn thiết lập cho Windsurf trong repository.

Claude

1. Yêu cầu chuẩn bị:
   Đảm bảo bạn đã cài đặt Docker và nếu dùng GPU thì cần môi trường có hỗ trợ NVIDIA.
2. Tạo hoặc sử dụng image Docker:
   • Tạo image local:

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

   • Sử dụng image công khai (tùy chọn): Không cần build.
3. Chỉnh sửa cấu hình:
   Mở file claude_desktop_config.json và thêm mục sau vào trường mcpServers:
   • Đối với GPU:

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

   • Đối với CPU:

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

   • Sử dụng image công khai (beta):

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

4. Lưu và khởi động lại:
   Lưu cấu hình và khởi động lại Claude Desktop.
5. Kiểm tra thiết lập:
   Đảm bảo mcp-vision hiển thị như một máy chủ MCP trong giao diện Claude Desktop.

Bảo mật API Key

• Không có yêu cầu hoặc ví dụ về API key trong tài liệu.

Cursor

Không có hướng dẫn thiết lập cho Cursor trong repository.

Cline

Không có hướng dẫn thiết lập cho Cline trong repository.

Cách sử dụng MCP này trong flows

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào workflow FlowHunt của bạn, hãy bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối nó với tác nhân AI của bạn:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, hãy chèn thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, tác nhân AI sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng của nó. Hãy nhớ thay “mcp-vision” bằng tên thực tế của máy chủ MCP của bạn và thay URL bằng URL máy chủ MCP của bạn.

Tổng quan

Hỗ trợ Roots: Không đề cập

Nhìn chung, mcp-vision cung cấp tích hợp hữu ích, trực tiếp với các mô hình thị giác HuggingFace nhưng thiếu tài liệu về tài nguyên, mẫu prompt hoặc các tính năng MCP nâng cao như roots hoặc sampling. Việc thiết lập được hướng dẫn rõ ràng cho Claude Desktop nhưng chưa có cho các nền tảng khác.

Ý kiến của chúng tôi

mcp-vision là một máy chủ MCP tập trung và thực tiễn để bổ sung trí tuệ thị giác cho quy trình AI, đặc biệt ở những môi trường hỗ trợ Docker. Điểm mạnh lớn nhất là các công cụ rõ ràng và thiết lập đơn giản cho Claude Desktop, nhưng sẽ hoàn thiện hơn nếu có tài liệu phong phú về tài nguyên, mẫu prompt và hỗ trợ thêm các nền tảng hoặc tính năng MCP nâng cao.

Điểm MCP