关于 Fovux Kit
Fovux Kit 是面向计算机视觉开发者的本地 YOLO 工作台,覆盖数据集检查、训练、评估、导出和边缘推理,并包含 VS Code 扩展。其 MCP 服务通过 stdio 暴露本地工具,且默认不收集遥测数据。
主要功能
- 01YOLO 数据集检查与验证
- 02模型训练和评估
- 03ONNX、TensorRT 与 TFLite 导出
- 04量化、推理和基准测试
- 05VS Code 训练与数据集界面
- 06本地运行与审计管理
适用场景
- 01检查标注并查找缺失标签
- 02监控训练指标并比较运行结果
- 03将模型导出为边缘部署格式
- 04通过 Agent 自动化本地视觉工作流
MCP 相关
Fovux MCP 服务通过 stdio 向 AI Agent 提供 47 个本地工具,涵盖数据集处理、训练、评估、导出、推理和运行管理。Fovux Studio 使用独立的本地 HTTP/SSE API。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Fovux
以本地优先为理念的边缘 AI YOLO 工作台。
什么是 Fovux?
Fovux 是一个以本地优先为理念的视觉工作台,用于 YOLO 数据集、训练、评估、导出和边缘推理。它整合了 Python 后端包 fovux-mcp 1.6.2、npm 封装包 fovux-mcp 1.6.2,以及 VS Code 配套扩展 Fovux Studio 1.5.1,简化计算机视觉工程的整个生命周期。
开发者为何使用它
- 本地优先:无需托管控制平面。数据集和模型完全保留在本地计算机或可信基础设施上。
- YOLO 端到端生命周期:从原始图像到经过优化的 ONNX/TensorRT 边缘产物,Fovux 帮你管理整个流程。
- 原生支持 MCP 自动化:通过 MCP stdio 向 Agent 客户端提供工具,同时 Fovux Studio 使用独立的本地 HTTP/SSE API 支持仪表板和受控 UI 工作流。
- VS Code Studio:在编辑器中直接使用可视化工作流,跟踪运行、查看性能并评估数据集。
- 可复现的本地运行:配置保持一致,便于分享、比较和审计。
- 专注导出和边缘推理:轻松将模型导出为可用于生产的格式。
- 默认优先保护隐私:Fovux 不包含任何隐藏遥测功能。
60 秒快速入门
请确保已安装 Python 3.12 至 3.14。使用 uv 全局安装后端:
uv tool install fovux-mcp
fovux doctor
fovux-mcp 是 Fovux Studio 和 MCP 客户端使用的主要 CLI 别名。较短的 fovux
别名指向同一个 Typer 应用,可直接在终端中使用。
npm 用户可以通过 npm install -g fovux-mcp 安装封装包;它会通过 uvx 调用
对应的 Python 包。
初始化 Fovux 环境并启动 MCP 服务:
fovux-mcp serve --http
安装 VS Code 扩展,打开命令面板(Ctrl+Shift+P),输入 Fovux: Start Training...,即可开始首次运行。
安装
使用 uv(推荐)
uv tool install fovux-mcp
使用 npm
npm install -g fovux-mcp
Fovux Studio(VS Code 扩展)
在 VS Code Marketplace 或 Open VSX 中搜索 Fovux Studio,或通过 CLI 安装:
code --install-extension oaslananka.fovuxstudiokit
MCP 客户端配置
若要将 MCP 桌面客户端连接到 Fovux,请将以下内容添加到 MCP 客户端配置文件(mcp_config.json)中:
{
"mcpServers": {
"fovux": {
"command": "fovux-mcp",
"args": []
}
}
}
Fovux Studio
Fovux Studio 可直接在 VS Code 中为 Fovux 环境提供可视化界面:
- 运行仪表板:实时监控训练指标、GPU 使用情况和 epoch 进度。
- 数据集检查器:分析 YOLO 标注并查找缺失的标签。
- 导出向导:使用最佳形状将模型转换为 ONNX、TensorRT 或 TFLite。
- 时间线与比较:对比不同运行,了解性能退化或进步。
使用 VS Code 命令面板(Cmd/Ctrl+Shift+P),输入 Fovux: 即可查看可用命令。
核心工具
Fovux MCP 1.6.2 提供 47 个本地工具,涵盖数据集检查、验证、主动学习、训练、评估、导出、量化、推理、基准测试、运行管理、策略/审计和支持包工作流。
生成的完整工具列表位于 fovux-mcp/README.md 和 MkDocs 站点中;如果已注册的工具缺少文档、架构快照、策略元数据、Studio 映射或 MkDocs 导航,CI 现在会失败。
架构
Fovux 通过三个核心组件划分职责:
- Fovux Core:底层 Python 引擎,与 YOLO 和本地硬件交互。
- Fovux MCP Server:stdio MCP 服务,将 Fovux Core 提供给 AI Agent;此外还包含 Fovux Studio 使用的本地 API/自定义 REST+SSE 桥接。符合标准的 Streamable HTTP MCP 端点另列在
v1.4.0 - MCP Conformance & Agent Safety里程碑中。 - Fovux Studio:供用户交互的 React/TypeScript VS Code 扩展。
安全与隐私
Fovux 专为企业隐私保护而构建。默认不收集任何遥测数据。 数据会原封不动地保留在您指定的位置;除非您明确配置第三方集成(例如 W&B),否则不会向外部服务发送分析数据。
CI/CD 与发布模式
Fovux 在此仓库中采用安全的 GitHub Actions 发布模式:
oaslananka/fovux-kit:代码、问题、拉取请求、CI 和发布的唯一可信来源。.github/workflows:活跃的 CI、安全、发布和注册表发布工作流。- 受保护的 GitHub 环境用于管控向 PyPI、npm、Marketplace 和 Open VSX 发布的流程。
所有版本均由 release-please 根据 Conventional Commits 创建,通过 CI 检查,并由 GitHub Actions 发布,同时附带校验和、SBOM 和来源证明。
仓库操作
仓库操作、运行时兼容性、分支保护、开发者环境初始化和发布流程记录在 docs/repository-operations.md、docs/runtime-compatibility.md、docs/development.md、docs/branch-protection.md 和 docs/release-process.md 中。本地环境变量名称列于 .env.example;发布凭据保存在受保护的 GitHub Actions 密钥中。
在 Linux/macOS 上首次检出并设置开发环境:
scripts/bootstrap-dev.sh --install-deps --hooks
task verify:required
路线图
v1.3.1 - Stabilization & Documentation Truth:解决文档偏差、本地开发体验、注册表验证、发布元数据问题,并完善快速失败质量门禁。v1.4.0 - MCP Conformance & Agent Safety:确定官方 MCP 传输方案、添加一致性测试和架构快照,并确保 Agent 审批安全。Studio Workflow & Dataset Intelligence:提供引导式数据集→训练→评估→导出工作流,并覆盖 Studio 端到端冒烟测试。v1.6.0 - Edge Export & Deployment Intelligence:涵盖当前导出矩阵、目标配置、基准测试可复现性和量化工作流。v2.0.0 - Extensibility, Supply Chain & Ecosystem Readiness:涵盖插件/API 稳定性、可信发布、证明、威胁模型和市场发布凭证。
贡献
欢迎贡献!请阅读我们的贡献指南以开始参与。
许可证
Fovux 根据 Apache-2.0 许可证发布。
评论
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。