mcpField
D
Demarker

Demarker

本地服务
demarker.io媒体与设计02 周前更新
代码仓库访问官网

关于 Demarker

Demarker 是用于识别和清理 AI 图像内容标记、元数据及水印的 MCP 服务，面向图像处理工作流。识别工具无需密钥，清理结果会另存为文件而不覆盖输入。

主要功能

  1. 01识别图像标记与元数据
  2. 02清理图像内容
  3. 03查询余额、价格和任务
  4. 04设置单次清理额度上限
  5. 05结果另存且不覆盖原文件

适用场景

  1. 01检查图像中的水印和标记
  2. 02清理 AI 图像内容
  3. 03查询清理任务与账户余额

MCP 相关

向 MCP 客户端提供图像识别、清理、余额与价格查询以及任务查询工具。清理需要 API 密钥、额度限制和用户确认权利声明；识别无需密钥。

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。

mcp.json · 通用配置
{
  "mcpServers": {
    "io-demarker": {
      "command": "npx",
      "args": [
        "-y",
        "@demarker/mcp"
      ],
      "env": {
        "DEMARKER_API_KEY": "<DEMARKER_API_KEY>",
        "DEMARKER_MCP_MAX_CREDITS": "<DEMARKER_MCP_MAX_CREDITS>"
      }
    }
  }
}
启动命令npx -y @demarker/mcp
需要配置的环境变量
DEMARKER_API_KEY密钥Optional. Needed to clean images and read balance. Create one at https://demarker.io/app/settings/api
DEMARKER_MCP_MAX_CREDITSOptional. Hard ceiling on credits one clean call may spend. Default 2.

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
npm@demarker/mcp0.1.2

工具

5

收录的工具列表 · 更新于 2 周前

参数类型必填说明
pathstring是PNG、JPG、WebP 或 AVIF 文件的绝对路径。

详细介绍

@demarker/mcp

Demarker 的 MCP 服务（https://demarker.io）：识别 AI 图像包含的内容，然后将其清除。

安装

  • Claude Code：claude mcp add demarker -- npx -y @demarker/mcp
  • Cursor、VS Code：访问 https://demarker.io/developers 使用一键按钮
  • Claude Desktop、Windsurf、Cline：
{ "mcpServers": { "demarker": { "command": "npx", "args": ["-y", "@demarker/mcp"],
  "env": { "DEMARKER_API_KEY": "sk_live_YOUR_KEY" } } } }

工具：demarker_identify（免费；无需密钥即可使用）、demarker_clean（消耗积分）、demarker_get_balance、demarker_get_pricing、demarker_get_job。

安全

  • demarker_clean 需要设置 maxCredits，且每次调用都有硬性上限，不受模型请求影响（默认为 2，可通过 DEMARKER_MCP_MAX_CREDITS 设置）。
  • 用户必须确认权利声明。支持征询功能的客户端会向用户显示该声明；其他客户端只有在用户明确同意后才能传入 rightsAttested: true。
  • 结果会保存到输入文件旁边，绝不会覆盖文件。

环境变量：DEMARKER_API_KEY（清除内容时需要；可在 https://demarker.io/app/settings/api 创建）、DEMARKER_API_URL、DEMARKER_MCP_MAX_CREDITS。

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。