DINO X MCP

🚀 DINO-X MCP

DINO-X MCP藉助DINO-X和Grounding DINO 1.6 API，賦能大語言模型實現細粒度的目標檢測和圖像理解。

🚀 快速開始

1. 前提條件

你可以使用以下方法之一安裝Node.js：

選項A：命令行安裝 👍

# 對於MacOS或Linux系統
# 1. 安裝nvm（Node版本管理器）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
# 或者
wget -qO- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

# 2. 將以下行添加到你的配置文件（~/.bash_profile、~/.zshrc、~/.profile或~/.bashrc）
export NVM_DIR="$HOME/.nvm"
[ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh"  
[ -s "$NVM_DIR/bash_completion" ] && \. "$NVM_DIR/bash_completion"  

# 3. 在當前shell中激活nvm
source ~/.bashrc
# 或者
source ~/.zshrc   

# 4. 驗證nvm是否安裝成功
command -v nvm

# 5. 安裝並使用Node.js的LTS版本
nvm install --lts
nvm use --lts

# 對於Windows系統
winget install OpenJS.NodeJS.LTS
# 或者使用PowerShell（管理員權限）
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y

選項B：手動安裝

從 nodejs.org 下載安裝程序。

此外，選擇支持MCP客戶端的AI助手和應用程序，包括但不限於：

• Cursor
• WindSurf
• Trae
• Cherry Studio

2. 配置MCP服務器

你可以通過兩種方式使用DINO-X MCP服務器：

選項A：使用NPM包 👍

在你的MCP客戶端中添加以下配置：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": ["-y", "@deepdataspace/dinox-mcp"],
      "env": {
        "DINOX_API_KEY": "your-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

選項B：使用本地項目

首先，克隆並構建項目：

# 克隆項目
git clone https://github.com/IDEA-Research/DINO-X-MCP.git
cd DINO-X-MCP

# 安裝依賴
pnpm install

# 構建項目
pnpm run build

然後配置你的MCP客戶端：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "node",
      "args": ["/path/to/DINO-X-MCP/build/index.js"],
      "env": {
        "DINOX_API_KEY": "your-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

3. 獲取API密鑰

從 DINO-X平臺 獲取你的API密鑰（新用戶可享受免費配額）。

將上述配置中的 your-api-key-here 替換為你實際的API密鑰。

4. 環境變量

DINO-X MCP服務器支持以下環境變量：

5. 可用工具

重啟你的MCP客戶端，你應該能夠使用以下工具：

✨ 主要特性

雖然多模態模型可以理解和描述圖像，但它們通常缺乏對視覺內容的精確定位和高質量的結構化輸出。

使用DINO-X MCP，你可以：

🧠 實現細粒度的圖像理解 —— 包括全場景識別和基於自然語言的目標檢測。

🎯 準確獲取對象的數量、位置和屬性，支持視覺問答等任務。

🧩 與其他MCP服務器集成，構建多步驟的視覺工作流。

🛠️ 為現實世界的自動化場景構建自然語言驅動的視覺代理。

🎬 使用案例

🎯 場景	📝 輸入	✨ 輸出
檢測與定位	💬 提示： 檢測並可視化森林中的火災區域 🖼️ 輸入圖像：
對象計數	💬 提示： 請分析這張倉庫圖像，檢測所有紙箱並統計總數 🖼️ 輸入圖像：
特徵檢測	💬 提示： 在圖像中找到所有紅色汽車 🖼️ 輸入圖像：
屬性推理	💬 提示： 在圖像中找到最高的人，描述他們的穿著 🖼️ 輸入圖像：
全場景檢測	💬 提示： 在圖像中找到維生素C含量最高的水果 🖼️ 輸入圖像：	答案：獼猴桃（93mg/100g）
姿態分析	💬 提示： 請分析這是什麼瑜伽姿勢 🖼️ 輸入圖像：

📝 使用說明

支持的圖像格式

• 以 https:// 開頭的遠程URL 👍
• 本地文件路徑（以 file:// 開頭）
• 常見圖像格式：jpg, jpeg, png, webp

API文檔

請參考 DINO-X平臺 獲取API使用限制和定價信息。

🔧 技術細節

開發過程中的注意事項

監聽模式

在開發過程中，你可以使用監聽模式進行自動重建：

pnpm run watch

調試

使用MCP Inspector調試服務器：

pnpm run inspector

📄 許可證

本項目採用Apache License 2.0許可證。