three.ws Vision

@three-ws/vision-mcp

あらゆる AI エージェントが画像を見られるようにします。three.ws のビジョンパイプラインを通じて画像を分析・説明できます。無料優先で、キーは不要です。

---

stdio 経由であらゆる AI アシスタントに画像理解機能を提供する、Model Context Protocol サーバーです。画像を公開 URL または base64 で渡すと、エージェントはスクリーンショット内のテキストを読み取ったり、シーンに何が写っているかを特定したり、3D／アバターのレンダリングを評価したり、代替テキストを作成したりできます。すべてリアルタイムで行われ、読み取り専用で、キーは不要です。

すべての回答は three.ws のビジョンパイプラインから得られます。無料の NVIDIA NIM ビジョンモデルがすべてのリクエストを優先的に処理し、その後ろには自動のサーバー側有料バックアップが用意されています。呼び出し元に費用はかからず、プロバイダーキーも不要です。THREE_WS_BASE をデプロイ先に設定するだけで利用できます。

インストール

npm install @three-ws/vision-mcp

または、インストールせずに npx で実行します。

npx @three-ws/vision-mcp

クイックスタート

Claude Code の場合、1 行で設定できます。

claude mcp add vision -- npx -y @three-ws/vision-mcp

Claude Desktop / Cursor の場合（claude_desktop_config.json または mcp.json）：

{
	"mcpServers": {
		"vision": {
			"command": "npx",
			"args": ["-y", "@three-ws/vision-mcp"]
		}
	}
}

MCP Inspector で機能を確認します。

npx -y @modelcontextprotocol/inspector npx @three-ws/vision-mcp

ツール

ツール	種類	説明
analyze_image	読み取り専用	画像に関するプロンプトに回答します。視覚的な Q&A、OCR（スクリーンショットの読み取り）、分類、レンダリングの評価に使えます。
describe_image	読み取り専用	代替テキストやキャプション用の自然言語による説明を生成します。詳細レベルや焦点を指定できます。
get_vision_status	読み取り専用	ビジョンプロバイダーが稼働中かどうか、対応している画像形式を報告します。画像は不要で、費用もかかりません。

3 つのツールはいずれも読み取り専用です。画像を確認するだけで、何かを保存したり変更したりすることはありません。VLM は非決定的で、稼働中のプロバイダーチェーンも変化するため、いずれも冪等ではありません。

入力パラメーター

analyze_image — prompt（必須）と、imageUrl（公開 https）または image（base64／data URI）のいずれか 1 つ。imageType（生の base64 の場合）、maxTokens（16～2048、既定値 512）は任意です。

describe_image — imageUrl または image のいずれか 1 つ。imageType、detail（brief | standard | detailed、既定値 standard）、focus（強調する要素）は任意です。

get_vision_status — パラメーターはありません。

例

// analyze_image: read the text in a logo image
> { "imageUrl": "https://three.ws/logo.png", "prompt": "What does this logo say?" }
{
  "ok": true,
  "text": "The logo reads \"three.ws\".",
  "provider": "nvidia",
  "model": "nvidia/nemotron-nano-12b-v2-vl",
  "prompt": "What does this logo say?",
  "image_source": "url"
}

// describe_image — alt text from a base64 image
> { "image": "data:image/png;base64,iVBORw0KG...", "detail": "brief" }
{
  "ok": true,
  "description": "A seagull in profile against a blurred coastal background.",
  "detail": "brief",
  "provider": "nvidia",
  "model": "nvidia/nemotron-nano-12b-v2-vl",
  "image_source": "base64"
}

// get_vision_status — gate a "describe this" affordance
> {}
{
  "ok": true,
  "configured": true,
  "image_types": ["image/jpeg", "image/png", "image/webp", "image/gif"],
  "max_image_mb": 12
}

使用例

実行可能でキー不要の例は examples/ にあります。

node examples/list-tools.mjs     # every tool with its full input schema
node examples/read-an-image.mjs  # status + alt text + OCR on a live image

どちらの例も、このサーバーを stdio 経由で起動し、実際のビジョンパイプラインを呼び出します。すべてのツールは 読み取り専用のため、何も保存されず、料金も発生しません。想定される出力については examples/README.md をご覧ください。

画像は JPEG、PNG、WebP、GIF に対応し、最大サイズは 12 MB です。base64 入力はアップロード前にローカルでサイズを確認します。imageUrl には公開 https URL を指定してください（ビジョンサーバーが取得するため、プライベートホストやループバックホストは拒否されます）。

料金と認証

呼び出し元への料金はなく、キーも不要です。 プラットフォームはすべてのリクエストをまず無料の NVIDIA NIM ビジョンレーンで処理し、独自のインフラストラクチャ上でのみ有料モデルにフォールバックします。費用はプラットフォームが負担するため、お客様に請求されることはありません。

エンドポイントには IP ごとのレート制限があります。上限をユーザーごとの枠に引き上げるには、オプションの THREE_WS_API_KEY（three.ws API キー）を設定してください。ベアラートークンとして送信されます。無料モデルの利用に必須ではありません。

要件

• Node.js >= 20。
• https://three.ws（または独自の THREE_WS_BASE）へのネットワークアクセス。

環境変数

変数	必須	デフォルト	用途
THREE_WS_BASE	いいえ	https://three.ws	呼び出すデプロイ先。
THREE_WS_TIMEOUT_MS	いいえ	30000	リクエストごとのタイムアウト（呼び出しは複数の無料レーンを経由する場合があります）。
THREE_WS_API_KEY	いいえ	—	レート制限をユーザーごとの枠に引き上げるオプションのベアラートークン。

リンク

• ホームページ：https://three.ws
• 変更履歴：https://three.ws/changelog
• 問題の報告：https://github.com/nirholas/three.ws/issues
• ライセンス：Apache-2.0。LICENSE を参照してください。

---

_{three.ws SDK スイートの一部です — 3D AI エージェント、オンチェーン ID、エージェントの支払い機能を提供します。
ウェブサイト · 変更履歴 · GitHub}