DINO-X 目标检测 MCP
DINO-X MCP 通过 DINO-X 和 Grounding DINO 1.6 API，使大型语言模型能够执行细粒度的对象检测和图像理解。它允许对视觉内容进行精确的定位和高质量的结构化输出，支持诸如视觉问答和与其他 MCP 服务器集成等任务。
MCP 服务配置
复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用
{
"mcpServers": {
"dinox-mcp": {
"args": [
"-y",
"@deepdataspace/dinox-mcp"
],
"command": "npx",
"env": {
"DINOX_API_KEY": "your-api-key-here"
}
}
}
}该服务需要配置环境变量：DINOX_API_KEY
可用工具 （4 个）
该服务在 MCP 协议中暴露的工具，AI 可按需调用
detect-objects-by-text 3 个参数 需填 3 项
Analyze an image based on a text prompt to identify and count specific objects, and return detailed descriptions of the objects and their 2D coordinates.
必填参数：imageFileUri、textPrompt、includeDescription
detect-all-objects 2 个参数 需填 2 项
Analyze an image to detect all identifiable objects, returning the category, count, coordinate positions and detailed descriptions for each object.
必填参数：imageFileUri、includeDescription
detect-human-pose-keypoints 2 个参数 需填 2 项
Detects 17 keypoints for each person in an image, supporting body posture and movement analysis.
必填参数：imageFileUri、includeDescription
visualize-detection-result 5 个参数 需填 2 项
Visualize detection results by drawing bounding boxes and labels on the original image. Images are saved to the directory specified by IMAGE_STORAGE_DIRECTORY environment variable.
必填参数：imageFileUri、detections
服务介绍
DINO-X MCP
English | 中文
DINO-X 官方 MCP 服务器, 基于全球领先的视觉检测模型 DINO-X 和 Grounding DINO 1.6 API，给大模型提供细粒度的目标检测与图像理解能力。
💡 为什么需要 DINO-X MCP？
尽管多模态模型可以理解和描述图像，但它们往往缺乏对视觉内容的精确定位和高质量的结构化输出。
而借助 DINO-X MCP 后, 你可以：
🧠 实现图像的细粒度理解: 支持全图识别、定向检测。
🎯 精准获取目标数量、位置、属性, 并以此为依据进行图像问答等任务。
🧩 支持与其他 MCP Server 组合，构建多步视觉工作流。
🛠️ 构建自然语言驱动的视觉智能体，用于真实场景的自动化任务。
🎬 应用案例
| 🎯 场景 | 📝 输入 | ✨ 输出 |
|---|---|---|
| 检测定位 | 💬 提示词：帮我框选森林里的着火范围，并用Canvas 可视化🖼️ 输入图片： |
|
| 物体计数 | 💬 提示词：请帮我分析这张仓库图片，检测其中的所有纸箱，统计总数量🖼️ 输入图片： |
|
| 特征检测 | 💬 提示词：找到图中所有红色的车，并用Canvas 可视化展示🖼️ 输入图片： |
|
| 属性推理 | 💬 提示词：找到图中最高的人，并描述他的着装，用 Canvas 可视化🖼️ 输入图片： |
|
| 全图检测 | 💬 提示词：找到图中维生素C含量最高的水果🖼️ 输入图片： |
答案：猕猴桃（93mg/100g） |
| 姿态分析 | 💬 提示词：请分析这是什么瑜伽姿势，并用canvas 显示关键点🖼️ 输入图片： |
🚀 快速开始
1. 环境准备
你可以选择以下任一方式安装 Node.js：
方式一：使用安装脚本 👍
bash
MacOS 或 Linux 系统
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
source ~/.bashrc # 如果使用 zsh，则运行：source ~/.zshrc
nvm install --lts
Windows 系统
winget install OpenJS.NodeJS.LTS
或使用 PowerShell (管理员权限)
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y
方式二：手动下载安装
从 Node.js 官网 下载安装包将以下英文技术文档翻译为中文，保留代码块和链接、格式结构、专业术语准确性，并且不添加额外的代码块标识如bash、json等。
同时, 选择一个支持 MCP 协议的 AI 助手或客户端，包括但不限于：
2. 配置 MCP 服务器
方式一：使用 NPM 安装包 👍
在你的 MCP 客户端的配置文件中加入配置：
json
{
"mcpServers": {
"dinox-mcp": {
"command": "npx",
"args": ["-y", "@deepdataspace/dinox-mcp"],
"env": {
"DINOX_API_KEY": "you-api-key-here"
}
}
}
}
方式二：使用本地项目
首先，克隆本项目代码到本地并编译
bash
下载源码
git clone https://github.com/IDEA-Research/DINO-X-MCP.git
cd DINO-X-MCP
安装依赖
pnpm install
编译
pnpm run build
然后在 MCP 客户端中配置：
json
{
"mcpServers": {
"dinox-mcp": {
"command": "node",
"args": ["/path/to/DINO-X-MCP/build/index.js"],
"env": {
"DINOX_API_KEY": "you-api-key-here"
}
}
}
}
3. 获取 API 密钥
在 DINO-X 官网 注册账号，新用户有免费 API 额度。
获取 API Key 后，把上面配置中的 you-api-key-here 替换成真正的密钥。
4. 支持的工具
刷新 MCP 配置，就可以在大模型对话中使用以下功能：
| 功能 | 作用 | 输入 | 输出 |
|---|---|---|---|
全图万物检测 |
检测并定位图像中所有可识别的物体 | 图片链接 | 每个物体的名称 + 2D框 + 详细描述 |
指定目标检测 |
指定一个或多个目标，检测它们的位置和详细描述 | 图片链接 + 目标名字 | 所有指定目标的2D框 + 详细描述 |
人体姿态检测 |
检测图像中每个人的17个关键点，用于姿态动作分析 | 图片链接 | 关键点坐标 + 描述 |
📝 使用指引
支持哪些图片格式？
- 推荐用
https://开头的图片链接 - 或用
file://开头的完整路径 - 常见格式：
jpg、jpeg、png、webp
API 使用
可以查看 DINO-X API 文档。
🛠️ 开发者指引
如果你要修改这个 MCP 服务，可以开启监听模式，代码改动会自动重新编译：
bash
pnpm run watch
遇到问题时，可以用官方调试工具排查：
bash
pnpm run inspector
协议
Apache License 2.0
