Dino X 图像检测 (image Detection)

DINO-X MCP サーバー

英語 | 中文

DINO-X 公式 MCP サーバーは、DINO-X および Grounding DINO モデルを活用し、マルチモーダルアプリケーションにきめ細かな物体検出と画像理解をもたらします。

お使いのブラウザーは video タグに対応していません。

DINO-X MCP を選ぶ理由

DINO-X MCP では、次のことができます。

• きめ細かな理解：画像全体の検出、物体検出、領域単位の説明が可能です。

• 構造化された出力：VQA や複数ステップの推論タスク向けに、物体のカテゴリ、数、位置、属性を取得できます。

• 組み合わせ可能：ほかの MCP サーバーとシームレスに連携し、エンドツーエンドのビジュアルエージェントや自動化パイプラインを構築できます。

トランスポートモード

DINO-X MCP は、2 つのトランスポートモードに対応しています。

機能	STDIO（デフォルト）	Streamable HTTP
実行環境	ローカル	ローカルまたはクラウド
トランスポート	標準入出力	HTTP（ストリーミング応答）
入力元	file:// および https://	https:// のみ
可視化	対応（注釈付き画像をローカルに保存）	非対応（現時点）

クイックスタート

1. MCP クライアントを準備する

MCP 対応クライアントであれば、どれでも使用できます。例：

• Cursor
• WindSurf
• Trae
• Cherry Studio

2. API キーを取得する

DINO-X プラットフォームで申請してください：API キーをリクエスト（新規ユーザーには無料枠があります）。

3. MCP を設定する

オプション A：公式ホスト版 Streamable HTTP（推奨）

MCP クライアントの設定に追加し、API キーを入力してください：

{
  "mcpServers": {
    "dinox-mcp": {
      "url": "https://mcp.deepdataspace.com/mcp?key=your-api-key"
    }
  }
}

オプション B：NPM パッケージをローカルで使用する（STDIO）

まず Node.js をインストールします

• インストーラーを nodejs.org からダウンロードします

• または、次のコマンドを使用します：

# macOS / Linux
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
# or
wget -qO- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

# load nvm into current shell (choose the one you use)
source ~/.bashrc || true
source ~/.zshrc  || true

# install and use LTS Node.js
nvm install --lts
nvm use --lts

# Windows (one of the following)
winget install OpenJS.NodeJS.LTS
# or with Chocolatey (in admin PowerShell)
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y

MCP クライアントを設定します：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": ["-y", "@deepdataspace/dinox-mcp"],
      "env": {
        "DINOX_API_KEY": "your-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

注：your-api-key-here を実際のキーに置き換えてください。

オプション C：ソースからローカルで実行する

Node.js がインストールされていることを確認し（オプション B を参照）、次を実行します：

# clone
git clone https://github.com/IDEA-Research/DINO-X-MCP.git
cd DINO-X-MCP

# install deps
npm install

# build
npm run build

MCP クライアントを設定します：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "node",
      "args": ["/path/to/DINO-X-MCP/build/index.js"],
      "env": {
        "DINOX_API_KEY": "your-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

CLI フラグと環境変数

• 共通フラグ

  • --http：Streamable HTTP モードで起動します（指定しない場合、デフォルトで STDIO）
  • --stdio：STDIO モードを強制します
  • --dinox-api-key=...：API キーを設定します
  • --enable-client-key：URL の ?key= による API キーの指定を許可します（Streamable HTTP のみ）
  • --port=8080：HTTP ポート（デフォルトは 3020）

• 環境変数

  • DINOX_API_KEY（必須／条件付きで必須）：DINO-X プラットフォームの API キー
  • IMAGE_STORAGE_DIRECTORY（任意、STDIO）：注釈付き画像の保存先ディレクトリ
  • AUTH_TOKEN（任意、HTTP）：設定すると、クライアントは Authorization: Bearer <token> を送信する必要があります

  例：

# STDIO (local)
node build/index.js --dinox-api-key=your-api-key

# Streamable HTTP (server provides a shared API key)
node build/index.js --http --dinox-api-key=your-api-key

# Streamable HTTP (custom port)
node build/index.js --http --dinox-api-key=your-api-key --port=8080

# Streamable HTTP (require client-provided API key via URL)
node build/index.js --http --enable-client-key

?key= を使用する場合のクライアント設定：

{
  "mcpServers": {
    "dinox-mcp": {
      "url": "http://localhost:3020/mcp?key=your-api-key"
    }
  }
}

Authorization: Bearer <token> を挿入するゲートウェイで AUTH_TOKEN を使用する場合：

AUTH_TOKEN=my-token node build/index.js --http --enable-client-key

supergateway を使用するクライアントの例：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "supergateway",
        "--streamableHttp",
        "http://localhost:3020/mcp?key=your-api-key",
        "--oauth2Bearer",
        "my-token"
      ]
    }
  }
}

ツール

機能	ツール ID	トランスポート	入力	出力
シーン全体の物体検出	detect-all-objects	STDIO / HTTP	画像 URL	カテゴリ + bbox +（任意のキャプション）
テキストプロンプトによる物体検出	detect-objects-by-text	STDIO / HTTP	画像 URL + 英語の名詞（複数の場合はドット区切り。例：person.car）	対象物の bbox +（任意のキャプション）
人体ポーズ推定	detect-human-pose-keypoints	STDIO / HTTP	画像 URL	17 個のキーポイント + bbox +（任意のキャプション）
可視化	visualize-detection-result	STDIO のみ	画像 URL + 検出結果の配列	注釈付き画像のローカルパス

🎬 ユースケース

🎯 シナリオ	📝 入力	✨ 出力
検出と位置特定	💬 プロンプト： 森林の 火災区域を検出して 🖼️ 入力画像：
物体の数え上げ	💬 プロンプト： この倉庫の画像を 分析して、すべての段ボール箱を 検出し、合計数を 数えてください 🖼️ 入力画像：
特徴の検出	💬 プロンプト： 画像内の 赤い車をすべて 見つけてください 🖼️ 入力画像：
属性の推論	💬 プロンプト： 画像内で最も背の高い人を 見つけて、その人の 服装を説明してください 🖼️ 入力画像：
シーン全体の検出	💬 プロンプト： 画像内でビタミン C の 含有量が最も多い果物を 見つけてください 🖼️ 入力画像：	回答：キウイフルーツ（93mg/100g）
ポーズ分析	💬 プロンプト： これはどのヨガのポーズか 分析してください 🖼️ 入力画像：

FAQ

• 対応している画像ソースは？
  • STDIO：file:// と https://
  • Streamable HTTP：https:// のみ
• 対応している画像形式は？
  • jpg、jpeg、webp、png

開発とデバッグ

開発中に自動で再ビルドするには、ウォッチモードを使用します。

npm run watch

デバッグには MCP Inspector を使用します。

npm run inspector

ライセンス

Apache License 2.0