MCP 图像识别服务器

这是一个使用 Anthropic 和 OpenAI 视觉API 提供图像识别功能的MCP服务器。版本 0.1.2。

功能

• 使用 Anthropic Claude Vision 或 OpenAI GPT-4 Vision 进行图像描述
• 支持多种图像格式（JPEG、PNG、GIF、WebP）
• 可配置的主要和备用提供商
• 支持Base64编码和文件形式的图像输入
• 可选的Tesseract OCR文本提取

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
# 编辑.env文件，填写您的API密钥和偏好设置

3. 构建项目：

build.bat

使用方法

启动服务器

使用Python启动服务器：

python -m image_recognition_server.server

使用批处理启动服务器：

run.bat server

在开发模式下使用MCP Inspector启动服务器：

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：详细的图像描述

2. describe_image_from_file

   • 输入：图像文件路径
   • 输出：详细的图像描述

环境配置

• ANTHROPIC_API_KEY：您的Anthropic API密钥。
• OPENAI_API_KEY：您的OpenAI API密钥。
• VISION_PROVIDER：主要视觉提供商（anthropic或openai）。
• FALLBACK_PROVIDER：可选的备用提供商。
• 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：可选的自定义Tesseract可执行文件路径。
• OPENAI_MODEL：OpenAI模型（默认：gpt-4o-mini）。可以使用OpenRouter格式指定其他模型（例如，anthropic/claude-3.5-sonnet:beta）。
• OPENAI_BASE_URL：可选的自定义OpenAI API基础URL。对于OpenRouter，设置为https://openrouter.ai/api/v1。
• OPENAI_TIMEOUT：可选的自定义超时时间（秒）。

使用OpenRouter

OpenRouter允许您通过OpenAI API格式访问各种模型。要使用OpenRouter，请遵循以下步骤：

1. 从OpenRouter获取一个OpenAI API密钥。
2. 在您的.env文件中将OPENAI_API_KEY设置为您从OpenRouter获得的API密钥。
3. 将OPENAI_BASE_URL设置为https://openrouter.ai/api/v1。
4. 使用OpenRouter格式将OPENAI_MODEL设置为所需的模型（例如，anthropic/claude-3.5-sonnet:beta）。
5. 将VISION_PROVIDER设置为openai。

默认模型

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

开发

运行测试

运行所有测试：

run.bat test

运行特定测试套件：

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 - 详情见LICENSE文件。

发布历史

• 0.1.2 (2025-02-20)：改进了OCR错误处理，并增加了全面的OCR功能测试覆盖
• 0.1.1 (2025-02-19)：添加了Tesseract OCR支持以从图像中提取文本（可选功能）
• 0.1.0 (2025-02-19)：初始发布，包含Anthropic和OpenAI视觉支持