MCP Image Recognition Server

MCP 图像识别服务

一个使用 Anthropic 和 OpenAI 视觉 API 提供图像识别能力的 MCP 服务。版本 0.1.2。

功能

• 使用 Anthropic Claude Vision 或 OpenAI GPT-4 Vision 描述图像
• 支持多种图像格式（JPEG、PNG、GIF、WebP）
• 可配置主提供方和备用提供方
• 支持 Base64 和基于文件的图像输入
• 可选使用 Tesseract OCR 提取文本

要求

• Python 3.8 或更高版本
• Tesseract OCR（可选）——文本提取功能所需
  • Windows：从 UB-Mannheim/tesseract 下载并安装
  • Linux：sudo apt-get install tesseract-ocr
  • macOS：brew install tesseract

安装

1. 克隆仓库：

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

2. 创建并配置环境文件：

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

3. 构建项目：

build.bat

使用方法

运行服务

使用 python 启动服务：

python -m image_recognition_server.server

也可以使用批处理文件启动服务：

run.bat server

使用 MCP Inspector 以开发模式启动服务：

run.bat debug

可用工具

1. describe_image

   • 输入：Base64 编码的图像数据和 MIME 类型
   • 输出：图像的详细描述

2. describe_image_from_file

   • 输入：图像文件路径
   • 输出：图像的详细描述

环境配置

• ANTHROPIC_API_KEY：你的 Anthropic API 密钥。
• OPENAI_API_KEY：你的 OpenAI API 密钥。
• VISION_PROVIDER：主视觉提供方（anthropic 或 openai）。
• FALLBACK_PROVIDER：可选的备用提供方。
• LOG_LEVEL：日志级别（DEBUG、INFO、WARNING、ERROR）。
• ENABLE_OCR：启用 Tesseract OCR 文本提取（true 或 false）。
• TESSERACT_CMD：Tesseract 可执行文件的可选自定义路径。
• OPENAI_MODEL：OpenAI 模型（默认值：gpt-4o-mini）。也可使用其他模型的 OpenRouter 格式（例如，anthropic/claude-3.5-sonnet:beta）。
• OPENAI_BASE_URL：OpenAI API 的可选自定义基础 URL。设置为 https://openrouter.ai/api/v1 即可使用 OpenRouter。
• OPENAI_TIMEOUT：OpenAI API 的可选自定义超时时间（秒）。

使用 OpenRouter

OpenRouter 支持你通过 OpenAI API 格式访问各种模型。使用 OpenRouter 的步骤如下：

1. 从 OpenRouter 获取 OpenAI API 密钥。
2. 在 .env 文件中将 OPENAI_API_KEY 设为你的 OpenRouter API 密钥。
3. 将 OPENAI_BASE_URL 设为 https://openrouter.ai/api/v1。
4. 将 OPENAI_MODEL 设为所需模型的 OpenRouter 格式（例如，anthropic/claude-3.5-sonnet:beta）。
5. 将 VISION_PROVIDER 设为 openai。

默认模型

• Anthropic：claude-3.5-sonnet-beta
• OpenAI：gpt-4o-mini
• OpenRouter：在 OPENAI_MODEL 中使用 anthropic/claude-3.5-sonnet:beta 格式。

开发

运行测试

运行全部测试：

run.bat test

运行指定的测试套件：

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

Docker 支持

构建 Docker 镜像：

docker build -t mcp-image-recognition .

运行容器：

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

许可证

MIT 许可证——详情请参阅 LICENSE 文件。

发布历史

• 0.1.2（2025-02-20）：改进 OCR 错误处理，并为 OCR 功能添加全面的测试覆盖
• 0.1.1（2025-02-19）：添加 Tesseract OCR 支持，用于从图像中提取文本（可选功能）
• 0.1.0（2025-02-19）：首次发布，支持 Anthropic 和 OpenAI 视觉功能