local vision

MCPAI代理

提供方 DavidEasden

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

基于MCP协议的本地视觉分析工具,集成LM Studio视觉模型,支持对本地图片进行快速分析。

一句话选型结论

按资料字段整理

local vision 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。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AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
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

AI代理
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

适用场景

视觉分析Python本地部署本地处理图像理解MCP协议LMStudio

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
pip install mcp httpx

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

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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。
  • 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AI代理场景里让模型直接调用外部能力的人。
  • 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
local vision当前 1 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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DavidEasden上游标注的维护方 DavidEasden
分类AI代理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 · 未标注本地安装时用到的包标识与运行时
部署类型本地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

5.0 KB
来自项目仓库与上游目录的原文,未做删改

本地视觉MCP

基于MCP(模型上下文协议)的原生视觉分析工具,使用LM Studio的视觉模型来分析图像。

功能特性

  • 🔍 局部图像分析:支持分析本地PNG、JPG、JPEG、WEBP格式的图像
  • 🤖 可视化模型集成:整合LM Studio的视觉模型以实现图像理解
  • 🛡️ 安全限制:只允许访问本地现有的图像文件,以防止路径遍历攻击
  • ⚡ 快速响应:支持自定义分析提示的异步处理

系统要求

  • Python 3.8+
  • LM Studio(或其他本地服务器)服务正在运行
  • 支持的图像格式:PNG、JPG、JPEG、WEBP

安装配置

1.环境准备(不必要)

确保已安装Conda并创建“mlx”环境:```bash
conda create -n mlx python=3.10
conda activate mlx


### 2.安装依赖项

要在项目目录中安装所需的依赖项,请执行以下操作:```bash
pip install mcp httpx

3.配置LM Studio

  1. 启动LM工作室
  2. 下载并加载愿景模型(例如“qwen3.5:2b-bf16”)
  3. 请确保LM Studio API服务正在“”上运行http://localhost:11434'

4.环境变量配置(可选)

可以设置以下环境变量:```bash

Set the LM Studio service address (default: http://localhost:11434)

export LM_STUDIO_URL="http://localhost:11434"

Set the visual model name (default: qwen3.5:2b-bf16)

export VISION_MODEL="qwen3.5:2b-bf16"

Set the Conda environment name (default: mlx)

export MCP_CONDA_ENV="mlx"


## 如何使用

### 作为MCP服务器运行

1. **直接运行**:```bash
python main.py
  1. 在Opencode中配置:

添加您的 opencode.json:```json
{
"mcp": {
"local_vision": {
"type": "local",
"command": ["python", "your path"],
"environment": {
"LM_STUDIO_URL": "http://localhost:11434",
"VISION_MODEL": "qwen3.5:2b-bf16"
}
}
}


### 可用工具

#### “analyze_image”-分析本地图像

**参数**:

- 'image_path'(必填):图像文件的本地绝对路径
- “提示”(可选):对于有关图像的特定问题,默认提示将要求提供图像内容的描述

示例调用:```json
{
"name": "analyze_image",
"arguments": {
"image_path": "/Users/username/Pictures/photo.png",
"prompt": "What objects are in the image? What is their positional relationship? "
}
}

默认提示:```
Please answer strictly based on the information visible in the picture, do not guess. First, outline the image, then extract the visible text, explain the key elements and positional relationships, and finally answer my question directly. Where you can't see clearly, please clearly write "uncertain". My question: Please describe this image


## 运作原理

1. **环境检查**:自动检测并切换到指定的Conda环境
1. **文件验证**:检查图像文件是否存在以及格式是否受支持
1. **图像编码**:将图像转换为base64格式
1. **模型调用**:通过LM Studio API调用视觉模型
1. **结果解读**:提取并返回模型生成的文本描述

## 安全功能

- ✅ 仅允许访问本地现有文件
- ✅ 限制文件扩展名(仅限图像格式)
- ✅ 防止路径遍历攻击
- ✅ 输入参数验证

## 故障排除

### 常见问题

1. **“找不到Conda环境mlx的Python”**

- 确保已创建“mlx”环境:“conda create-n mlx python=3.10”
- 或者设置“MCP_CONDA_ENV”环境变量以指定其他环境名称

1. **调用可视化模型失败**

- 检查LM Studio是否正在运行:'curlhttp://localhost:11434/v1/models'
- 确认模型已加载并支持视觉功能
- 检查您的网络连接和防火墙设置

1. **支持的文件格式**

- 确保图像格式为:PNG、JPG、JPEG、WEBP
- 检查文件扩展名是否正确

1. **'文件不存在'**

- 验证映像路径是否正确以及文件是否存在
- 使用绝对路径而不是相对路径

### 调试模式

您可以添加调试输出以排除问题:```python
# Add debugging information to main.py
import logging
logging.basicConfig(level=logging. DEBUG)

开发指南

项目结构```

local_vision_mcp/
├── main.py # Master program file
├── README.md # Instructions
├── .gitignore # Git ignores files
└── pycache/ # Python cache file
```

扩展功能

要添加新功能,您可以:

  1. 添加新工具:在“handle_list_tools()”中注册一个新工具
  2. 支持更多格式:在“allowe_ext”中添加新的图像格式
  3. 自定义提示:修改默认提示模板
  4. 添加缓存:实现图像分析结果的缓存机制

代码贡献

  1. Fork项目
  2. 创建要素分支
  3. 提交更改
  4. 创建拉取请求

许可证

该项目根据麻省理工学院许可证获得许可。有关详细信息,请参阅\许可证\文档。

支持和反馈

如有疑问或建议,请:

  1. 检查 故障排除 部分
  2. 向项目存储库提交问题
  3. 或通过邮件联系维护人员

提示:确保LM Studio服务正在运行,并且加载了支持视觉的模型。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
local vision 怎么安装?

在客户端按下面的安装命令接入:pip install mcp httpx。装完在客户端配置里引用同一个包或端点。

local vision 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

local vision 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。

local vision 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。

local vision 能提供哪些能力?

资料显示约 1 个工具;能力标签包括 本地处理、Python、AI代理。具体工具清单以官方文档为准。

local vision 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

local vision 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。