MCP Openvision

🚀 MCP 開源項目

MCP 是一個強大的開源圖像分析工具，用戶可通過簡單的 API 調用對圖像進行詳細分析。它支持多種輸入格式，還具備高級自定義選項，能滿足多樣化的圖像分析需求。

🚀 快速開始

MCP 提供了便捷的圖像分析功能，你可以通過簡單的 API 調用對圖像進行詳細分析。

✨ 主要特性

• 提供功能強大的圖像分析工具，支持多種輸入格式。
• 允許通過簡單的 API 調用對圖像進行詳細分析。
• 支持高級自定義選項，如基於 Base64 的輸入和自定義系統提示。

📦 安裝指南

安裝依賴

pip install mcp-openvision

💻 使用示例

基礎用法

# 分析來自 URL 的圖像
result = await image_analysis(
    image="https://example.com/image.jpg",
    query="描述此圖像"
)

# 從本地文件分析圖像
result = await image_analysis(
    image="path/to/local/image.jpg",
    query="識別街道場景中的所有交通標誌並解釋其對駕駛員的意義"
)

高級用法

基於 Base64 的輸入

# 使用 Base64 編碼的圖像數據
result = await image_analysis(
    image="SGVsbG8gV29ybGQ=...",  # Base64 數據
    query="分析此產品包裝設計，強調可以改進的部分以提高可見性和品牌識別度"
)

自定義系統提示

# 添加自定義系統提示以進行專業分析
result = await image_analysis(
    image="path/to/local/image.jpg",
    query="分析這幅畫的構成和藝術技巧，重點介紹它們如何產生情感影響",
    system_prompt="你是一位專業的藝術史學家，擁有對繪畫技術的深厚知識。專注於形式分析，關注構圖、顏色、筆觸和風格元素。"
)

輸入類型

image_analysis 工具支持以下圖像輸入格式：

1. Base64 編碼字符串
2. URL 鏈接 - 必須以 http:// 或 https:// 開頭
3. 文件路徑：
   • 絕對路徑：從根目錄開始的完整路徑（Unix）或驅動器號（Windows）
   • 相對路徑：相對於當前工作目錄的路徑
   • 帶項目根的相對路徑：使用 project_root 參數指定一個基目錄

使用相對路徑

當使用相對文件路徑時，有兩種選擇：

1. 路徑必須相對於運行服務器的當前工作目錄。
2. 可以指定 project_root 參數：

# 示例：使用相對路徑和 project_root 參數
result = await image_analysis(
    image="examples/image.jpg",
    project_root="/path/to/your/project",
    query="此圖像中包含哪些內容？"
)

📚 詳細文檔

開發環境

初始化開發環境

# 克隆倉庫
git clone https://github.com/modelcontextprotocol/mcp-openvision.git
cd mcp-openvision

# 安裝開發依賴項
pip install -e ".[dev]"

代碼格式化

該項目使用 Black 進行代碼自動格式化。格式化在 GitHub Actions 中強制執行：

• 所有提交到倉庫的代碼都會自動用 Black 格式化。
• 來自協作倉庫的拉取請求（PR）分支會直接將格式化後的代碼提交到 PR 分支。
• 來自外部倉庫的 PR 會保留原有格式。

測試方法

# 運行測試套件
python -m pytest tests/

發佈流程

打包項目

# 創建源發行版
python setup.py sdist bdist_wheel

# 安裝並測試發佈工具
pip install twine
twine check dist/*

# 發佈到 PyPI
twine upload --repository-url https://upload.pypi.org/username/ dist/*

📄 許可證

MCP 開源項目遵循 MIT 許可證。點擊 此處 查看完整許可證內容。

給開發者的一句話

如果你在使用 MCP 時遇到任何問題或有改進建議，請隨時通過 GitHub Issues 提交問題或提出反饋！