mcp-vision MCP 服务器

“mcp-vision” MCP 服务器能做什么？

“mcp-vision” MCP 服务器是一个 Model Context Protocol (MCP) 服务器，将 HuggingFace 计算机视觉模型（如零样本目标检测）作为工具，提升大语言模型或视觉-语言模型的视觉能力。通过将 AI 助手与强大的计算机视觉模型连接，mcp-vision 可在开发流程中直接实现目标检测与图像分析。这使得 LLM 及其他 AI 客户端能够以编程方式查询、处理并分析图像，更容易实现视觉交互的自动化、标准化与扩展。该服务器支持 GPU 和 CPU 环境，便于集成至主流 AI 平台。

提示词列表

文档与仓库文件中未提及具体提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库中未明确记录或列出 MCP 资源。

工具列表

• locate_objects
  通过 HuggingFace 提供的零样本目标检测管道，在图像中检测并定位对象。输入包括图像路径、候选标签列表，以及可选的模型名。返回标准格式的检测对象列表。

• zoom_to_object
  通过将图像裁剪到检测分数最高对象的边界框，放大图像中的特定对象。输入包括图像路径、要查找的标签，以及可选的模型名。返回裁剪后的图像或 None。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

该 MCP 服务器的应用场景

• 图像中的自动目标检测
  开发者可用 mcp-vision 以编程方式检测并定位图像中的对象，简化图像标注、内容审核和视觉搜索等任务。
• 基于视觉的工作流自动化
  将目标检测集成到更大的工作流中，如按内容分类图片、根据检测结果自动生成报告、提升辅助工具等。
• 交互式图像探索
  AI 助手可以帮助用户放大图像中的特定对象，支持质检、医学影像分析或产品识别等任务。
• 为 AI 智能体增强视觉能力
  LLM 可对视觉数据进行推理和操作，实现更丰富的多模态交互和情境感知响应，适用于聊天机器人、数字助手和研究工具等应用。

如何部署

Windsurf

仓库中未提供 Windsurf 的配置说明。

Claude

1. 前置条件：
   确保已安装 Docker，如需使用 GPU，需具备 NVIDIA 支持环境。
2. 构建或使用 Docker 镜像：
   • 本地构建：

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

   • 使用公共镜像（可选）：无需本地构建。
3. 编辑配置：
   打开 claude_desktop_config.json，在 mcpServers 下添加如下内容：
   • GPU 环境：

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

   • CPU 环境：

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

   • 公共镜像（beta）：

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

4. 保存并重启：
   保存配置并重启 Claude Desktop。
5. 验证配置：
   在 Claude Desktop UI 中确认 mcp-vision 已作为 MCP 服务器可用。

安全 API 密钥

• 文档中未提供 API 密钥相关要求或示例。

Cursor

仓库中未提供 Cursor 的配置说明。

Cline

仓库中未提供 Cline 的配置说明。

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件并与您的 AI 智能体连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，按以下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具调用该 MCP 的全部功能。请记得将 “mcp-vision” 替换为您实际的 MCP 服务器名称，并将 URL 改为您的 MCP 服务器地址。

概览

roots 支持：未提及

总体来看，mcp-vision 可直接与 HuggingFace 视觉模型集成，资源、提示词模板及 roots 或采样等高级 MCP 功能的文档略有不足。其在 Claude Desktop 上的部署说明清晰，但对其他平台支持有限。

我们的看法

mcp-vision 是专注且实用的 MCP 服务器，为 AI 工作流添加视觉智能，尤其适合支持 Docker 的环境。其主要优点在于工具明确、Claude Desktop 部署简单，但在资源、提示词模板以及对更多平台和高级 MCP 功能的文档方面仍有提升空间。

MCP 评分