MCP Image Recognition Py

MCP运维云端

提供方 glasses666

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude DesktopClaude
查看接入方式

一个基于Python的MCP服务器,提供多模型支持的图像识别功能,适用于图像描述和问答场景。

一句话选型结论

按资料字段整理

MCP Image Recognition Py 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude Desktop、Claude,有可直接复制的远程端点配置。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式支持远程部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 1 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量1暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

图像识别Python本地部署多模型支持Python服务器AI服务

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run server.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    确认你的客户端支持远程端点,并拿到服务地址。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 1 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 1 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Image Recognition Py当前 1 stdio · 本地进程 支持远程部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方glasses666上游标注的维护方 glasses666
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型支持远程部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.5 KB
来自项目仓库与上游目录的原文,未做删改

MCP图像识别服务器(Python)

Python中的MCP服务器实现,使用各种LLM提供程序(Gemini、OpenAI、Qwen/Tongyi、Doubao等)提供图像识别功能。

特性

  • 图像识别:描述图片或回答有关图片的问题。
  • 多模型支持:双子座、GPT-4o、Qwen VL、豆瓣等之间动态切换。
  • 灵活的:接受图像URL或Base64数据。

快速设置(推荐)

我们提供自动化脚本,一键设置环境和依赖关系。

Linux/macOS```bash

git clone https://github.com/glasses666/mcp-image-recognition-py.git
cd mcp-image-recognition-py
./setup.sh


### 视窗

1. 克隆或下载此存储库。
1. 双击 `setup.bat`.

脚本完成后,只需编辑 `.env` 使用API密钥文件。

______________________________________________________________________

## 安装与使用(手册)

如果您更喜欢手动安装或想使用 `uv`:

### 先决条件

- Python 3.10或更高版本
- 为您首选的模型提供商(Google Gemini、OpenAI、Aliyun DashScope等)提供API密钥

______________________________________________________________________

### 方法1:使用 `uv` (推荐)

紫外线 是一个非常快的Python包管理器。

#### 1.直接用 `uv run`

您不需要手动创建虚拟环境。```bash
# Clone the repo
git clone https://github.com/glasses666/mcp-image-recognition-py.git
cd mcp-image-recognition-py

# Create .env file with your API keys
cp .env.example .env
# Edit .env with your keys

# Run the server
uv run server.py

2.使用 uvx (用于临时执行)

如果你想在不显式克隆仓库的情况下运行它(通过git进行实验支持):```bash

Note: You still need to provide environment variables.

It's easier to clone and use 'uv run' for persistent config via .env

uvx --from git+https://github.com/glasses666/mcp-image-recognition-py mcp-image-recognition


______________________________________________________________________

### 方法2:标准Python(pip)

#### Linux/macOS

1. **克隆和设置:**```bash
git clone https://github.com/glasses666/mcp-image-recognition-py.git
cd mcp-image-recognition-py
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
  1. 配置:```bash
    cp .env.example .env

Edit .env and add your API keys


1. **运行:**```bash
python server.py

视窗

  1. 克隆和设置:```powershell
    git clone https://github.com/glasses666/mcp-image-recognition-py.git
    cd mcp-image-recognition-py
    python -m venv venv
    .\venv\Scripts\activate
    pip install -r requirements.txt

1. **配置:**```powershell
copy .env.example .env
# Edit .env and add your API keys
  1. 运行:```powershell
    python server.py

______________________________________________________________________

## 配置

创建一个 `.env` 项目根目录中的文件基于 `.env.example`:

### 1.适用于谷歌双子座(建议考虑速度/成本)

从获取API密钥 谷歌AI工作室.```env
GEMINI_API_KEY=your_google_api_key
DEFAULT_MODEL=gemini-1.5-flash

2.同益倩雯(Qwen-阿里云)

从获取API密钥 阿里云DashScope.```env
OPENAI_API_KEY=your_dashscope_api_key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
DEFAULT_MODEL=qwen-vl-max


### 3.斗宝(Volcengine)

从获取API密钥 Volcengine方舟.```env
OPENAI_API_KEY=your_volcengine_api_key
OPENAI_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
DEFAULT_MODEL=doubao-pro-32k

代理AI配置(克劳德桌面等)

要将此服务器与MCP客户端(如Claude Desktop)一起使用,请将其添加到配置文件中。

配置文件路径

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • 视窗: %APPDATA%\Claude\claude_desktop_config.json
  • Linux: ~/.config/Claude/claude_desktop_config.json (如果可用)

配置JSON

选项A:使用 uv (最简单)
如果你有 uv 安装后,您可以让它处理环境。```json
{
"mcpServers": {
"image-recognition": {
"command": "/path/to/uv",
"args": [
"run",
"--directory",
"/absolute/path/to/mcp-image-recognition-py",
"server.py"
],
"env": {
"GEMINI_API_KEY": "your_gemini_key_here",
"OPENAI_API_KEY": "your_openai_key_here",
"OPENAI_BASE_URL": "https://api.openai.com/v1",
"DEFAULT_MODEL": "gemini-1.5-flash"
}
}
}
}


**选项B:标准Python Venv**
确保您提供 **绝对路径** 到虚拟环境中的python可执行文件。```json
{
"mcpServers": {
"image-recognition": {
"command": "/absolute/path/to/mcp-image-recognition-py/venv/bin/python",
"args": [
"/absolute/path/to/mcp-image-recognition-py/server.py"
],
"env": {
"GEMINI_API_KEY": "your_gemini_key_here",
"OPENAI_API_KEY": "your_openai_key_here",
"OPENAI_BASE_URL": "https://api.openai.com/v1",
"DEFAULT_MODEL": "gemini-1.5-flash"
}
}
}
}

Windows注意事项: 对于路径,使用双反斜杠 \\ (例如。, C:\\Users\\Name\\...).


使用工具

recognize_image

分析图像并返回文本描述。

参数:

  • image (string,必填):要分析的图像。支持:
  • HTTP/HTTPS URL(例如。, https://example.com/cat.jpg)
  • Base64编码字符串(有或没有 data:image/...;base64, 前缀)
  • prompt (字符串,可选):特定指令。默认设置:“描述此图像”。
  • model (string,可选):覆盖此特定请求的默认模型。

许可证

麻省理工学院

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
MCP Image Recognition Py 怎么安装?

在客户端按下面的安装命令接入:uv run server.py。装完在客户端配置里引用同一个包或端点。

MCP Image Recognition Py 怎么在 Claude Desktop、Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

MCP Image Recognition Py 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Image Recognition Py 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Image Recognition Py 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

MCP Image Recognition Py 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 多模型支持、Python、Claude、AI服务。具体工具清单以官方文档为准。

MCP Image Recognition Py 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP Image Recognition Py 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。