mcpField
W
Wikimedia Image Search

Wikimedia Image Search

本地服务
github.com/yanexr搜索与检索349 周前更新

关于 Wikimedia Image Search

Wikimedia Image Search 是供 AI 助手和 Agent 搜索 Wikimedia Commons 的 MCP 服务。它返回结构化图像元数据,并可生成缩略图拼图,便于结合文字和视觉检查结果。

主要功能

  1. 01搜索 Wikimedia Commons 图像
  2. 02返回作者、许可和图像详情
  3. 03按许可限制筛选
  4. 04分页浏览搜索结果
  5. 05生成缩略图拼图

适用场景

  1. 01为文章或演示文稿寻找图像
  2. 02为教育材料挑选视觉素材
  3. 03推荐前核实图像内容
  4. 04通过视觉比较搜索结果

MCP 相关

向 MCP 客户端提供 `wikimedia_search_images` 工具,返回结构化元数据,并可选生成缩略图拼图。

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": {
"wikimedia-image-search": {
"command": "npx",
"args": [
"-y",
"wikimedia-image-search-mcp"
]
}
}
}
启动命令npx -y wikimedia-image-search-mcp

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
npmwikimedia-image-search-mcp

工具

1

收录的工具列表 · 更新于 3 周前

参数类型必填说明
querystring是搜索查询。注意:Wikimedia 使用严格的关键词匹配,而非语义搜索。使用常见且较少的词语可获得更多结果。
limitinteger否返回结果的最大数量(1-50)。建议设为 12 或更少,尤其是在启用缩略图时。
offsetinteger否分页时要跳过的结果数量
licenseenum否按许可类型筛选图片:'no_restrictions' 表示仅 CC0/公有领域,'all' 表示任意许可no_restrictions | all
include_thumbnailsboolean否若为 true,则返回额外的拼图,以便直观查看和比较结果。如果要节省处理时间或无法查看图片,请设为 false。

详细介绍

Wikimedia 图像搜索 MCP 服务

此 MCP(Model Context Protocol)服务可让 AI 助手在 Wikimedia Commons 上搜索图像。它会提供详细的元数据和可选的缩略图拼图,帮助 AI 模型直观地比较搜索结果。

概览

此服务旨在为 AI 助手搜索视觉内容时提供“眼睛”。AI 无需仅根据文件名或文字描述进行猜测,而是可以获取结构化的图像元数据列表,以及一张包含搜索结果缩略图的拼图。

此功能在以下场景中特别有用:

  • 为创建网站、文章或演示文稿寻找合适的图像。
  • 为教育材料或书籍挑选图像。
  • 在推荐图像前验证其视觉内容。
  • 比较多张图像,为特定情境选择最相关的一张。

通过同时提供元数据(许可、作者、描述、尺寸)和视觉预览,AI 可以做出明智的判断,决定使用或下载哪些图像。

设置

前提条件
  • Node.js:版本 18 或更高。
  • MCP 客户端:兼容的客户端,例如 VS Code、Cursor、Claude Code、Windsurf、Cline、Claude Desktop……
安装

若要使用此服务,请将 MCP 客户端配置为使用 npx 运行该服务。

VS Code

将以下配置添加到 MCP 设置文件中(在 Windows 上通常位于 %APPDATA%\Code\User\globalStorage\mcp-servers.json,在 macOS 上通常位于 ~/Library/Application Support/Code/User/globalStorage/mcp-servers.json)。

{
  "mcpServers": {
    "wikimedia-image-search": {
      "command": "npx",
      "args": [
        "-y",
        "wikimedia-image-search-mcp"
      ]
    }
  }
}
Cursor

前往 Cursor Settings > MCP > Add new MCP Server。

  • 名称:wikimedia-image-search
  • 类型:command
  • 命令:npx -y wikimedia-image-search-mcp

或者,编辑 .cursor/mcp.json 文件:

{
  "mcpServers": {
    "wikimedia-image-search": {
      "command": "npx",
      "args": [
        "-y",
        "wikimedia-image-search-mcp"
      ]
    }
  }
}
Claude Desktop

编辑 claude_desktop_config.json 文件(在 Windows 上通常位于 %APPDATA%\Claude\claude_desktop_config.json,在 macOS 上通常位于 ~/Library/Application Support/Claude/claude_desktop_config.json)。

{
  "mcpServers": {
    "wikimedia-image-search": {
      "command": "npx",
      "args": [
        "-y",
        "wikimedia-image-search-mcp"
      ]
    }
  }
}
Claude Code

在终端中运行以下命令:

claude mcp add wikimedia-image-search -- npx -y wikimedia-image-search-mcp

工具用法

此服务提供一个工具:wikimedia_search_images。

工具架构

该工具接受以下参数:

  • query(字符串,必填):搜索词(例如,“sunset ocean”“eiffel tower”)。
  • limit(数字,可选):返回结果的最大数量(默认值:9,最大值:50)。
  • offset(数字,可选):分页时跳过的结果数量。
  • license(字符串,可选):按许可筛选。选项:"all"(默认)或 "no_restrictions"(CC0/公有领域)。
  • include_thumbnails(布尔值,可选):是否生成并返回由缩略图组成的拼图(默认值:true)。
工作原理
  1. 获取:工具使用提供的搜索词和筛选条件查询 Wikimedia Commons API。它会获取包含图片 URL、元数据和许可证信息的原始 JSON 数据。
  2. 处理:解析原始 JSON 响应,并将其转换为结构清晰的 ImageMetadata 对象列表。
  3. 格式化:
    • 文本:将元数据列表转换为 YAML 格式的字符串。这样可为 AI 提供易读且结构化的结果概览(包括文件大小、尺寸、作者和许可证)。
    • 视觉:如果 include_thumbnails 为 true,工具会下载每个结果的缩略图。然后使用 sharp 库将这些缩略图合成为一张网格图片,并在每张图片上叠加索引编号。
  4. 响应:工具会返回一条包含多种内容的消息,其中包含 YAML 文本和合成图片(MIME 类型为 image/jpeg)。

你可以在 test-output/ 目录中查看输出文件示例:

演示

README 配图

开发

若要为此项目做出贡献,或从源代码在本地运行:

  1. 克隆代码仓库:

    git clone https://github.com/yanexr/wikimedia-image-search-mcp.git
    cd wikimedia-image-search-mcp
    
  2. 安装依赖项:

    npm install
    # or
    pnpm install
    
  3. 构建项目:

    npm run build
    # or
    pnpm run build
    
  4. 本地配置: 要使用 MCP 客户端在本地测试该服务,请将配置指向构建后的文件。

    {
      "mcpServers": {
        "wikimedia-local": {
          "command": "node",
          "args": [
            "C:/path/to/wikimedia-image-search-mcp/dist/index.js"
          ]
        }
      }
    }
    
  5. 测试和调试: 你可以使用 MCP Inspector 交互式测试该服务:

    npm run inspect
    # or
    pnpm run inspect
    

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。