mcpField
O
optics-mcp

optics-mcp

远程服务
github.com/sunex-ai商业与营销026 周前更新
代码仓库

关于 optics-mcp

optics-mcp 是用于搜索 Sunex 镜头和图像传感器目录、检查光学兼容性的公共 MCP 服务,适合处理传感器规格和镜头匹配的助手。目录访问为只读,无需身份验证。

主要功能

  1. 01按关键词或料号搜索镜头和传感器
  2. 02为图像传感器推荐镜头
  3. 03根据传感器几何参数匹配镜头
  4. 04获取传感器规格及几何参数
  5. 05查询样品价格和询价链接

适用场景

  1. 01查找与传感器兼容的镜头
  2. 02按视场角和角分辨率比较镜头
  3. 03根据传感器规格核对尺寸
  4. 04查询目录价格并提交询价

MCP 相关

通过 Streamable HTTP 向 MCP 客户端提供 5 个只读目录工具,也保留旧版 SSE 端点。公共服务无需身份验证。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://mcp.sunex-ai.com/sse
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Sunex Optics MCP 服务

一个公开的 Model Context Protocol 服务,可让 AI 助手通过自然语言搜索 Sunex 的镜头和成像器目录。

在线端点: https://mcp.sunex-ai.com/mcp 主页: sunex-ai.com 传输方式: Streamable HTTP(MCP 规范 2025-03-26)。为较旧的客户端保留了旧版 SSE 端点 /sse。

30 秒内完成连接

Claude

设置 → 连接器 → 添加自定义连接器 → 粘贴 https://mcp.sunex-ai.com/mcp

Cursor / Continue / Zed

使用传输方式 streamable-http 和上述 URL,将其添加到 MCP 配置中。

ChatGPT

通过任意 MCP → OpenAPI 桥接,将其添加为自定义 GPT Action。

五个工具

工具功能
recommend_lens_for_imager输入成像器 PN,即可获得兼容镜头及其 FOV 和角分辨率。一步完成。
search_imagers按 PN、制造商或分辨率类别查找传感器。
get_imager_detail获取完整的传感器规格,以及计算得出的几何尺寸(宽度 / 高度 / 对角线,单位为 mm)。
find_compatible_lenses输入像素数和像素间距,返回成像圆可覆盖该传感器的镜头。
search_products按 PN 或关键词搜索完整目录,并提供参考价格和 RFQ 链接。

示例提示词

  • “为 Sony IMX577 推荐一款广角镜头,光圈为 F/2.0 或更大。”
  • “我需要 $100 以下的鱼眼镜头。”
  • “IMX477 的对角线是多少 mm?”
  • “查找适用于 1920×1080 传感器的镜头,像素大小为 3µm,HFOV 为 100–180°。”

架构

Claude / Cursor / ChatGPT  →  mcp.sunex-ai.com  →  optics-online.com/api/v1
     (MCP client)         (Cloudflare Worker)      (ASP JSON API)

Sunex 生产目录之上的轻量代理,运行于 Cloudflare Workers(免费套餐)。采用符合 MCP 规范 2025-03-26 的 Streamable HTTP 传输方式(同时保留旧版 SSE)。无需身份验证,只读。

端点

路径用途
/mcp主要端点 — Streamable HTTP 传输方式(当前 MCP 标准)
/sse旧版 SSE 传输方式,为保持向后兼容而保留
/.well-known/mcp.json公开发现清单
/含安装说明的主页

自托管

git clone https://github.com/Sunex-AI/Optics-mcp
cd Optics-mcp
npm install
npx wrangler login
npx wrangler deploy

直接调用工具(Python)

from mcp import ClientSession
from mcp.client.streamable_http import streamablehttp_client

async with streamablehttp_client("https://mcp.sunex-ai.com/mcp") as (r, w, _):
    async with ClientSession(r, w) as session:
        await session.initialize()
        result = await session.call_tool(
            "recommend_lens_for_imager",
            {"imagerPn": "IMX577", "fNumMax": 2.0}
        )

发现

公开清单:https://mcp.sunex-ai.com/.well-known/mcp.json

参与贡献

欢迎提交问题和 PR。关于后端 API 的请求(定价、更多目录字段、新端点),请发送邮件至 [email protected]。

许可证

MIT — 参见 LICENSE。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。