MCP Image Recognition

🚀 MCP 画像認識サーバー

このサーバーは、Anthropic と OpenAI のビジョン API を使用して画像認識機能を提供する MCP サーバーです。バージョンは 0.1.2 です。

✨ 主な機能

• Anthropic Claude Vision または OpenAI GPT - 4 Vision を使用して画像の説明を行う
• JPEG、PNG、GIF、WebP などの複数の画像形式をサポートする
• 主要および代替のプロバイダを設定可能である
• Base64 およびファイル形式の画像入力をサポートする
• オプションで Tesseract OCR によるテキスト抽出機能を利用できる

📦 インストール

依存関係

• Python 3.8 以上
• Tesseract OCR（オプション）——テキスト抽出機能に使用
  • Windows: UB - Mannheim/tesseract からダウンロードしてインストール
  • Linux: sudo apt-get install tesseract-ocr
  • macOS: brew install tesseract

インストール手順

1. リポジトリをクローンする:

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

2. 環境ファイルを作成して設定する:

cp .env.example .env
# .env ファイルを編集して API キーと設定を行う

3. プロジェクトをビルドする:

build.bat

💻 使用例

サーバーの起動

Python を使用してサーバーを起動する:

python -m image_recognition_server.server

バッチスクリプトを使用してサーバーを起動する:

run.bat server

開発モードでサーバーを起動する（MCP インスペクタ付き）:

run.bat debug

利用可能なツール

1. describe_image

• 入力: Base64 エンコードされた画像データと MIME タイプ
• 出力: 画像の詳細な説明

2. describe_image_from_file

• 入力: 画像ファイルのパス
• 出力: 画像の詳細な説明

📚 ドキュメント

環境設定

• ANTHROPIC_API_KEY: Anthropic API キー
• OPENAI_API_KEY: OpenAI API キー
• IMAGE_SIZE: 処理する画像のサイズ（デフォルトは "256x256"）
• MAX_ITERATIONS: 最大反復回数（デフォルトは 100）

OpenRouter の説明

• OpenRouter を使用する場合は、詳細な設定情報についてはそのドキュメントを参照してください。
• 正しい API キーとモデルエンドポイントを設定することを確認してください。

デフォルトのモデル

• Anthropic の Claude ビジョンモデル
• OpenAI の GPT - 4 Vision モデル

開発情報

テスト

すべてのテストを実行する:

run.bat test

デバッグ

デバッグモードでサーバーを実行する:

run.bat debug

リリース履歴

• バージョン 0.1.2:
  • 既知の互換性問題を修正しました。
  • OCR エラー処理を改善し、OCR 機能に対する全面的なテストカバレッジを追加しました。
• バージョン 0.1.1:
  • 基本機能とドキュメントサポートを含む初期リリースです。