z AI-vision-MCP-fly

MCP运维云端

提供方 TotalLag

运维云端 stdio · 本地进程 Token 社区 / 第三方
查看接入方式

用于部署Z.AI Vision MCP服务器的生产级代理服务,支持Bearer令牌认证和SSE流式传输。

一句话选型结论

按资料字段整理

z AI-vision-MCP-fly 属于运维云端类 MCP 服务器,stdio · 本地进程,Token,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。

分类运维云端 传输方式stdio · 本地进程 鉴权Token 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 未标注 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
工具数量未标注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

代理服务器JavaScript本地部署AI服务部署Bearer认证SSE流式传输文件上传

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
docker run -p 8080:8080 \

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 Docker,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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 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。
  • 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。
  • 不方便管理密钥或第三方授权的人。
  • 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
z AI-vision-MCP-fly当前 未标注 stdio · 本地进程 本地部署 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TotalLag上游标注的维护方 TotalLag
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Token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 · Docker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

13.3 KB
来自项目仓库与上游目录的原文,未做删改

Z.AI Vision MCP服务器代理

一个生产就绪的代理服务器,用于在Fly.io上部署Z.AI Vision MCP服务器,具有承载令牌身份验证和SSE流媒体支持。

概述

该存储库为部署Z.AI Vision MCP服务器提供了基础设施,包括:

  • 承载令牌身份验证 用于安全访问
  • SSE流媒体 用于实时MCP协议通信
  • 健康监测 优雅的启动操作
  • 结构化日志记录 用于调试和监控
  • 生产准备就绪 错误处理和优雅关机

快速开始

1.安装依赖项```bash

npm install


### 2.设置所需的环境变量

**必修的:**

- `MCP_COMMAND` -启动Z.AI Vision MCP服务器的命令(默认值: `npx -y @z_ai/mcp-server`)
- `Z_AI_API_KEY` -您的Z.AI API密钥(从https://z.ai/manage-apikey/apikey-list)
- `Z_AI_MODE` -人工智能服务平台(`ZAI` 或 `ZHIPU`)

**可选(用于生产):**

- `BEARER_TOKEN` -API访问的身份验证令牌
- `DEBUG_LOGGING` -启用详细日志记录(`true` 或 `1`)
- `PORT` -外部端口(默认:8080)

### 3.配置Z.AI凭据```bash
# Z.AI Vision MCP Server command
export MCP_COMMAND="npx -y @z_ai/mcp-server"

# Z.AI API credentials
export Z_AI_API_KEY="your_api_key_here"
export Z_AI_MODE="ZAI"  # or "ZHIPU" depending on platform

4.启动代理```bash

node server.js


代理将在端口8080上启动,并通过超级网关生成Z.AI Vision MCP服务器。

## 建筑```
Client → Z.AI Vision MCP Proxy (8080) → [Upload: /tmp/mcp-uploads/] → Supergateway (8000) → Z.AI MCP Server (stdio) → Z.AI API

组件详细信息

  • Z.AI视觉MCP代理:具有承载身份验证、请求路由和SSE流的HTTP服务器
  • 超级网关:将HTTP/SSE桥接到stdio以进行MCP协议通信
  • Z.AI视觉MCP服务器:通过Z.AI平台实现视觉AI功能
  • 文件上传端点:接受多部分文件上传,存储在 /tmp/mcp-uploads/,为工具调用返回serverPath
  • MCP资源发现:为AI代理提供能力发现

配置摘要

配置 值 原因
MCP命令 npx -y @z_ai/mcp-server 推出Z.AI Vision MCP服务器
Z_AI_API_键 Secret(必填) 通过Z.AI平台进行身份验证
Z_AI_MODE ZAI 或 ZHIPU (必填) 选择AI服务平台
bear_TOKEN Secret(生产中需要) 保护您部署的端点
记忆 512MB 足以满足MCP服务器的工作负载(Z.AI处理繁重的处理)
中央处理器 共享 成本优化(Z.AI平台处理繁重的视觉处理)
并发 8软/10硬 防止资源枯竭

API终点

代理集成和资源发现

该服务器实现了MCP(模型上下文协议)资源发现,以帮助AI代理了解可用功能。

大图像文件上传

重要提示: Base64编码使文件大小增加了约33%(例如,8MB→ 11MB JSON有效负载),这可能会导致HTTP超时、JSON解析失败和内存问题。对于大图像,代理使用仅上传的方法:

  • 文件必须通过以下方式上传 POST /upload 端点优先
  • 上传的文件存储在 /tmp/mcp-uploads/ 并引用 serverPath
  • 使用 serverPath 直接在Z.AI Vision工具调用中
  • 最大文件大小: 每次上传10MB
  • 支持的格式: PNG、JPEG、GIF、WebP、BMP

这种方法确保了对大型图像的可靠处理,而没有base64编码的开销和限制。

仅上传工作流

本地文件路径不会自动转换为base64。 相反,代理必须通过 POST /upload 端点优先:

  1. 通过上传本地图像 POST /upload 端点
  2. 接收 serverPath 作为响应(例如。, /tmp/mcp-uploads/123_abc_image.png)
  3. 使用 serverPath 直接在Z.AI Vision工具调用中
  4. 工具执行期间不会发生base64转换

这种方法确保了对大图像的可靠处理,并消除了base64大小的开销。

资源发现协议

服务器支持标准MCP资源发现方法:

  • resources/list:返回有关可用资源的元数据,包括上载端点
  • resources/read:提供使用上传端点的详细说明
  • tools/list:增强的响应包括Z.ai Vision工具的上传功能提示

代理工作流```mermaid

sequenceDiagram
participant Agent as AI Agent (Traycer)
participant Proxy as MCP Proxy Server
participant Gateway as Supergateway
participant Vision as Z.AI Vision MCP

Note over Agent,Vision: Phase 1: Resource Discovery
Agent->>Proxy: resources/list
Proxy-->>Agent: upload://images resource
Agent->>Proxy: resources/read(upload://images)
Proxy-->>Agent: Upload endpoint details

Note over Agent,Vision: Phase 2: File Upload
Agent->>Proxy: POST /upload (file)
Proxy-->>Agent: serverPath

Note over Agent,Vision: Phase 3: Tool Discovery
Agent->>Proxy: tools/list
Proxy->>Gateway: tools/list
Gateway->>Vision: tools/list
Vision-->>Gateway: Tool definitions
Gateway-->>Proxy: Tool definitions
Proxy->>Proxy: Enhance descriptions
Proxy-->>Agent: Enhanced tool definitions

Note over Agent,Vision: Phase 4: Tool Execution
Agent->>Proxy: tools/call(serverPath)
Proxy->>Gateway: tools/call(serverPath)
Gateway->>Vision: Execute tool
Vision-->>Gateway: Result
Gateway-->>Proxy: Result
Proxy-->>Agent: Result


#### 面向代理开发人员

AI代理应实施此工作流程:

1. **关于连接**:查询 `resources/list` 发现上传功能
1. **读取上传详细信息**:使用 `resources/read` 随着 `uri: "upload://images"` 获取上传说明
1. **上传文件**:使用 `POST /upload` 上传本地图像,接收 `serverPath`
1. **使用服务器路径**:通行证 `serverPath` 直接访问Z.AI Vision工具(无需base64)

#### 测试资源发现

测试资源发现终结点:```bash
# Test resources/list
curl -X POST http://localhost:8080/sse \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","method":"resources/list","id":1}'

# Test resources/read
curl -X POST http://localhost:8080/sse \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","method":"resources/read","params":{"uri":"upload://images"},"id":2}'

示例:上传和分析工作流```bash

Step 1: Upload local image

curl -X POST https://your-app.fly.dev/upload \
-H "Authorization: Bearer $TOKEN" \
-F "file=@/path/to/large-screenshot.png"

Response: {"success": true, "serverPath": "/tmp/mcp-uploads/123_abc_large-screenshot.png", ...}

Step 2: Use serverPath in tool call

curl -X POST https://your-app.fly.dev/sse \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"analyze_image","arguments":{"image_path":"/tmp/mcp-uploads/123_abc_large-screenshot.png"}},"id":3}'


#### 文件大小建议

|图像大小|建议|原因|
|------------|----------------|--------|
|\<1MB |最佳|快速上传,快速处理|
|1-5MB |良好|合理的上传时间|
|5-10MB|最大|支持但速度较慢|
|>10MB |不支持|超过上传限制|

**提示:**

- 尽可能在上传前压缩图像
- 使用适当的图像格式(照片为JPEG,截图为PNG)
- 考虑调整超大图像的大小以减小文件大小

### `GET /sse`

MCP协议通信的SSE端点(生产中需要承载令牌)

### `POST /sse`

MCP请求的HTTP端点(生产中需要承载令牌)

### `GET /health`

健康检查端点-返回网关状态

## 认证

### 发展模式

在以下情况下,身份验证是可选的:

- `NODE_ENV` 不是 `"production"`
- `FLY_APP_NAME` 未设置

### 生产模式

在以下情况下需要身份验证:

- `NODE_ENV` 是 `"production"`
- `FLY_APP_NAME` 已设置(Fly.io部署)

生成安全令牌:```bash
TOKEN=$(openssl rand -base64 32)
echo $TOKEN

Fly.io部署

部署说明

  1. 复制示例配置:```bash
    cp fly.example.toml fly.toml

1. **编辑fly.toml:**

- 设置应用程序名称: `app = "your-unique-app-name"`
- 选择地区: `primary_region = "iad"` (或离您最近)

1. **创建Fly.io应用程序:**```bash
flyctl apps create your-unique-app-name
  1. 设置所需的机密:```bash

Generate secure bearer token

flyctl secrets set BEARER_TOKEN="$(openssl rand -base64 32)"

Set Z.AI credentials (get from https://z.ai/manage-apikey/apikey-list)

flyctl secrets set Z_AI_API_KEY="your_z_ai_api_key"
flyctl secrets set Z_AI_MODE="ZAI" # or "ZHIPU" depending on platform


1. **部署:**```bash
flyctl deploy --remote-only
  1. 检查状态:```bash
    flyctl status

1. **查看日志:**```bash
flyctl logs
  1. 测试端点:```bash
    curl -H "Authorization: Bearer YOUR_BEARER_TOKEN" \
    https://your-app.fly.dev/health

### 验证步骤

部署后:

1. **检查运行状况端点:** `curl https://your-app.fly.dev/health`
1. **验证身份验证:** 没有承载令牌的请求应返回401
1. **测试SSE端点:** `curl -H "Authorization: Bearer YOUR_TOKEN" https://your-app.fly.dev/sse`
1. **监控日志:** `flyctl logs` 确保Z.AI MCP服务器成功启动
1. **检查资源使用情况:** `flyctl status` 验证内存/CPU分配

### 架构图```
sequenceDiagram
participant Client as Roo Code/Kilo Code
participant Proxy as Fly.io (Auth Proxy)
participant Gateway as Supergateway
participant ZAI as Z.AI Vision MCP Server
participant API as Z.AI API Platform

Client->>Proxy: Request with Bearer Token
Proxy->>Proxy: Validate Bearer Token
Proxy->>Gateway: Forward Request (SSE)
Gateway->>ZAI: stdio communication
ZAI->>API: Vision API Call (Z_AI_API_KEY)
API-->>ZAI: Vision Analysis Result
ZAI-->>Gateway: MCP Response
Gateway-->>Proxy: SSE Stream
Proxy-->>Client: Authenticated Response

Docker部署

  1. 构建并运行:```bash
    docker build -t z-ai-vision-mcp .
    docker run -p 8080:8080 \
    -e MCP_COMMAND="npx -y @z_ai/mcp-server" \
    -e BEARER_TOKEN="$TOKEN" \
    -e Z_AI_API_KEY="your_api_key" \
    -e Z_AI_MODE="ZAI" \
    z-ai-vision-mcp

## 监控与调试

### 结构化日志记录

所有事件都以JSON格式记录,结构如下:```json
{
"timestamp": "2025-01-01T00:00:00.000Z",
"level": "info",
"category": "mcp-call",
"phase": "runtime",
"message": "MCP method: tools/call",
"data": { "requestId": "abc123", "method": "tools/call" }
}

调试模式

启用详细日志记录:```bash
export DEBUG_LOGGING=true
node server.js


### 健康监测

监控网关运行状况:```bash
curl http://localhost:8080/health

答复:```json
{
"status": "healthy",
"gatewayReady": true,
"gatewayExited": false,
"uptimeMs": 12345
}


## 故障排除

### 常见问题

**“MCP_COMMAND环境变量是必需的”**

- 设置 `MCP_COMMAND` 环境变量 `npx -y @z_ai/mcp-server`

**“生产中需要BEARER_TOKEN”**

- 为生产部署生成并设置安全的承载令牌

**“网关启动超时”**

- 检查Z_AI_API_KEY和Z_AI_MODE是否设置正确
- 验证Z.AI API密钥是否有效

**“服务不可用:MCP网关已退出”**

- 检查日志中的启动错误
- 确保Z.AI凭据配置正确

### 调试步骤

1. **检查环境变量:**```bash
env | grep -E "(MCP_COMMAND|BEARER_TOKEN|Z_AI)"
  1. 启用调试日志记录:```bash
    export DEBUG_LOGGING=true
    node server.js

3. **测试健康终点:**```bash
curl -v http://localhost:8080/health

安全考虑

  • 在生产中始终使用不记名代币 -该端点可以通过其他方式公开访问
  • 定期旋转令牌 -在部署管道中实现令牌轮换
  • 永远不要泄露秘密 -使用Fly.io机密或环境变量
  • 监控访问日志 -警惕未经授权的访问企图
  • 在生产环境中使用HTTPS -Fly.io提供自动TLS

演出

  • 冷启动处理 -代理在接受请求之前等待MCP服务器启动
  • SSE流媒体 -长期连接得到妥善管理,没有超时
  • 请求缓冲 -HTTP请求被缓冲;SSE响应被流式传输
  • 资源限制 -网关进程有50MB的缓冲区限制,以防止内存问题

代理集成问题

代理未检测到上传功能

  • 验证 resources/list 返回预期值upload://images资源
  • 检查服务器日志中的“资源列表”条目
  • 确保代理使用正确的MCP发现协议

文件转换不起作用

  • 检查文件路径的格式是否正确(绝对路径或相对路径)
  • 验证文件权限和可访问性
  • 在服务器日志中查找“文件转换”条目
  • 确保工具名称与Z.ai Vision工具(ui_to_martifact、analyze_image等)匹配

缺少增强的工具描述

  • 确认原始请求是“工具/列表”
  • 检查“工具增强”日志条目
  • 验证响应是否包含Z.ai Vision工具

大图像上传问题

“上传失败,413有效载荷太大”

  • 文件超过10MB限制
  • 上传前压缩或调整图像大小
  • 检查文件大小: ls -lh /path/to/image.png

“工具调用失败,显示‘通过POST上传/先上传’”

  • 您传递的是本地文件路径,而不是serverPath
  • 首先通过上传文件 POST /upload
  • 使用返回的 serverPath 在您的工具调用中

“上传成功,但工具调用找不到文件”

  • 验证 serverPath 与上传返回的内容完全匹配
  • 检查服务器日志中的文件访问错误
  • 确保文件未被清理(文件将在会话中保留)

“图像分析超时”

  • 非常大的图像(8-10MB)可能需要更长的时间来处理
  • 考虑将图像大小调整到2-5MB,以获得更快的结果
  • 如果超时持续,请检查Z.AI API状态

许可证

麻省理工学院许可证-请随时将此脚手架用于Z.AI Vision MCP服务器部署。

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
z AI-vision-MCP-fly 怎么安装?

在客户端按下面的安装命令接入:docker run -p 8080:8080 \。装完在客户端配置里引用同一个包或端点。

z AI-vision-MCP-fly 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。

z AI-vision-MCP-fly 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。

z AI-vision-MCP-fly 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

z AI-vision-MCP-fly 能提供哪些能力?

资料显示能力标签包括 JavaScript、云端部署、Docker。具体工具清单以官方文档为准。

z AI-vision-MCP-fly 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

z AI-vision-MCP-fly 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。