MCP Image Recognition Server

MCP 画像認識サーバー

Anthropic および OpenAI のビジョン API を使用して画像認識機能を提供する MCP サーバーです。バージョン 0.1.2。

機能

• Anthropic Claude Vision または OpenAI GPT-4 Vision を使用した画像の説明
• 複数の画像形式に対応（JPEG、PNG、GIF、WebP）
• プライマリプロバイダーとフォールバックプロバイダーを設定可能
• Base64 およびファイルベースの画像入力に対応
• Tesseract OCR を使用したテキスト抽出（任意）

要件

• Python 3.8 以降
• Tesseract OCR（任意） - テキスト抽出機能に必要です
  • Windows：UB-Mannheim/tesseract からダウンロードしてインストールします
  • Linux：sudo apt-get install tesseract-ocr
  • macOS：brew install tesseract

インストール

1. リポジトリをクローンします：

git clone https://github.com/mario-andreschak/mcp-image-recognition.git
cd mcp-image-recognition

2. 環境ファイルを作成して設定します：

cp .env.example .env
# Edit .env with your API keys and preferences

3. プロジェクトをビルドします：

build.bat

使用方法

サーバーの起動

python を使用してサーバーを起動します：

python -m image_recognition_server.server

代わりにバッチを使用してサーバーを起動します：

run.bat server

MCP Inspector を使用して開発モードでサーバーを起動します：

run.bat debug

利用可能なツール

1. describe_image

   • 入力：Base64 エンコードされた画像データと MIME タイプ
   • 出力：画像の詳細な説明

2. describe_image_from_file

   • 入力：画像ファイルのパス
   • 出力：画像の詳細な説明

環境設定

• ANTHROPIC_API_KEY：Anthropic API キーです。
• OPENAI_API_KEY：OpenAI API キーです。
• VISION_PROVIDER：プライマリのビジョンプロバイダー（anthropic または openai）。
• FALLBACK_PROVIDER：任意のフォールバックプロバイダーです。
• LOG_LEVEL：ログレベル（DEBUG、INFO、WARNING、ERROR）。
• ENABLE_OCR：Tesseract OCR によるテキスト抽出を有効にします（true または false）。
• TESSERACT_CMD：Tesseract 実行ファイルのカスタムパス（任意）。
• OPENAI_MODEL：OpenAI モデル（デフォルト：gpt-4o-mini）。ほかのモデルには OpenRouter 形式（例：anthropic/claude-3.5-sonnet:beta）を使用できます。
• OPENAI_BASE_URL：OpenAI API のカスタムベース URL（任意）。OpenRouter の場合は https://openrouter.ai/api/v1 を設定します。
• OPENAI_TIMEOUT：OpenAI API のカスタムタイムアウト（秒、任意）。

OpenRouter の使用

OpenRouter を使用すると、OpenAI API 形式でさまざまなモデルにアクセスできます。OpenRouter を使用するには、次の手順に従います：

1. OpenRouter から OpenAI API キーを取得します。
2. .env ファイルの OPENAI_API_KEY に OpenRouter API キーを設定します。
3. OPENAI_BASE_URL に https://openrouter.ai/api/v1 を設定します。
4. OPENAI_MODEL に OpenRouter 形式で目的のモデルを設定します（例：anthropic/claude-3.5-sonnet:beta）。
5. VISION_PROVIDER に openai を設定します。

デフォルトモデル

• Anthropic：claude-3.5-sonnet-beta
• OpenAI：gpt-4o-mini
• OpenRouter：OPENAI_MODEL に anthropic/claude-3.5-sonnet:beta 形式を使用します。

開発

テストの実行

すべてのテストを実行します：

run.bat test

特定のテストスイートを実行します：

run.bat test server
run.bat test anthropic
run.bat test openai

Docker のサポート

Docker イメージをビルドします：

docker build -t mcp-image-recognition .

コンテナーを実行します：

docker run -it --env-file .env mcp-image-recognition

ライセンス

MIT ライセンス - 詳細は LICENSE ファイルを参照してください。

リリース履歴

• 0.1.2（2025-02-20）：OCR のエラー処理を改善し、OCR 機能の包括的なテストを追加
• 0.1.1（2025-02-19）：画像からのテキスト抽出に Tesseract OCR のサポートを追加（任意の機能）
• 0.1.0（2025-02-19）：Anthropic および OpenAI のビジョンサポートを備えた初回リリース