Vision MCP Server - 视觉能力代理

让不具备视觉能力的 LLM 通过此 MCP 调用视觉模型分析图片。

每个部署者自行选择视觉模型提供商和默认模型，只需在部署时配置环境变量即可。

功能

支持的视觉模型提供商

启动方式（双传输模式）

一套代码，两种启动方式：

优先级：命令行参数 > 环境变量 > 默认值。例如：

• python server.py --transport sse --port 8080 — 强制 SSE 模式，端口 8080
• 设置环境变量 VISION_MCP_TRANSPORT=sse 再 python server.py — 也是 SSE 模式
• 直接 python server.py — 默认 stdio 模式（向后兼容）

如何选择模型

你有两种方式指定使用的视觉模型：

方式一：设置默认模型（环境变量 DEFAULT_VISION_MODEL）

部署时配置环境变量，每次调用 analyze_image 时不传 model 参数就会使用这个默认模型：

{
  "env": {
    "VISION_PROVIDER": "siliconflow",
    "DEFAULT_VISION_MODEL": "Qwen/Qwen2-VL-72B-Instruct"
  }
}

方式二：调用时指定模型（analyze_image 的 model 参数）

每次调用时可以自由传入任何模型名，覆盖默认值：

analyze_image(
  image_url="https://example.jpg",
  prompt="这张图里有什么？",
  model="Qwen/Qwen3-VL-72B-Instruct"
)

各提供商推荐模型

一键运行（无需手动安装）

项目支持 npx / uvx / pip 三种方式一键运行，无需手动克隆仓库。

# npx 运行（默认 stdio 模式，适用于本地 Reasonix 接入）
npx vision-mcp

# npx 运行（SSE 模式，用于远程测试）
npx vision-mcp --transport sse --port 8000

# uvx 运行（从 GitHub 自动拉取并安装依赖）
uvx --from git+https://github.com/DoctorPan/vision-mcp vision-mcp --transport sse --port 8000

注意：

• npx 会自动从 npm 拉取包装器，但 Python 依赖（mcp, openai 等）需提前安装：pip install -r requirements.txt
• uvx 会自动处理 Python 依赖安装
• API Key 等配置通过环境变量或 .env 文件传入

快速开始（本地开发）

# 1. 安装依赖
pip install -r requirements.txt

# 2. 复制配置模板
copy .env.example .env

# 3. 编辑 .env，填入你的配置
#    VISION_API_KEY=sk-xxx
#    VISION_PROVIDER=siliconflow

# 4. 启动（默认 stdio 模式）
python server.py

# 或者本地测试 SSE 模式
python server.py --transport sse --port 8000

在 Reasonix 中配置（本地 stdio）

{
  "mcpServers": {
    "vision-mcp": {
      "command": "python",
      "args": ["C:\\path\\to\\vision-mcp\\server.py"],
      "env": {
        "VISION_API_KEY": "你的硅基流动 API Key",
        "VISION_PROVIDER": "siliconflow",
        "DEFAULT_VISION_MODEL": "Qwen/Qwen2-VL-72B-Instruct"
      }
    }
  }
}

在 Reasonix 中配置（通过 npx 一键运行）

无需克隆仓库、无需 pip install，Reasonix 自动通过 npx 从 npm 拉取运行：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "npx",
      "args": ["vision-mcp"],
      "env": {
        "VISION_API_KEY": "你的硅基流动 API Key",
        "VISION_PROVIDER": "siliconflow",
        "DEFAULT_VISION_MODEL": "Qwen/Qwen2-VL-72B-Instruct"
      }
    }
  }
}

在 Reasonix 中配置（远程 SSE URL）

部署到魔搭后拿到 SSE URL：

{
  "mcpServers": {
    "vision-mcp": {
      "url": "https://mcp.api-inference.modelscope.net/xxxxx/mcp"
    }
  }
}

部署到魔搭 Hosted（SSE 模式）🚀

魔搭社区提供 Hosted MCP 服务，可以将你的 MCP 服务器部署在魔搭云端，生成 SSE URL 供远程调用。

部署步骤

第 1 步：将代码推送到 GitHub

cd vision-mcp
git init
git add .
git commit -m "初始提交"
git remote add origin https://github.com/DoctorPan/vision-mcp.git
git push -u origin main

第 2 步：在魔搭提交 MCP 服务

1. 登录 https://modelscope.cn
2. 进入 MCP 广场 → 点击 提交 MCP 服务
3. 填写以下信息：

1. 点击提交，等待审核

第 3 步：部署 Hosted 服务

审核通过后：

1. 在 MCP 管理页面找到 vision-mcp，点击部署
2. 选择 Hosted 部署类型
3. 配置环境变量：

部署成功后，魔搭会生成一个 SSE URL，格式为：

https://mcp.api-inference.modelscope.net/xxxxx/mcp

分享给其他人

你的 MCP 部署到魔搭后，其他人可以在魔搭 MCP 广场搜索到它。他们部署时只需填入自己的 VISION_API_KEY 和 VISION_PROVIDER，你的 Key 不会泄露。

环境变量速查

命令行参数

# 方式一：通过 npx（推荐，自动拉取）
npx vision-mcp --help

# 方式二：通过 uvx（从 GitHub 自动安装依赖）
uvx --from git+https://github.com/DoctorPan/vision-mcp vision-mcp --help

# 方式三：直接运行
python server.py --help

# 输出：
usage: server.py [-h] [--transport {stdio,sse}] [--host HOST] [--port PORT]

Vision MCP Server - 视觉能力代理

options:
  -h, --help            show this help message and exit
  --transport {stdio,sse}
                        传输模式: stdio (默认) / sse (远程部署)
  --host HOST           SSE 监听地址 (默认 0.0.0.0)
  --port PORT           SSE 监听端口 (默认 8000)

许可证

MIT