MCP Image Recognition

🚀 MCP 圖像識別服務器

MCP 圖像識別服務器藉助 Anthropic 和 OpenAI 視覺 API，為用戶提供強大的圖像識別功能。當前版本為 0.1.2，能有效解決圖像描述、文本提取等需求，為開發者和使用者帶來便利。

🚀 快速開始

MCP 圖像識別服務器可快速搭建並投入使用。以下是詳細的啟動步驟：

運行服務器

• 使用 Python 啟動：

python -m image_recognition_server.server

• 通過批處理腳本啟動：

run.bat server

• 以開發模式運行（附帶 MCP inspector）：

run.bat debug

✨ 主要特性

• 多 API 支持：可使用 Anthropic Claude Vision 或 OpenAI GPT - 4 Vision 進行圖像描述。
• 多格式兼容：支持 JPEG、PNG、GIF、WebP 等多種圖像格式。
• 可配置性強：具備可配置的主要和備用提供程序。
• 靈活輸入方式：支持 Base64 和文件格式的圖像輸入。
• 可選 OCR 功能：提供可選的 Tesseract OCR 文本提取功能。

📦 安裝指南

依賴項

• Python：需 Python 3.8 或更高版本。
• Tesseract OCR（可選）：用於文本提取功能。
  • Windows：從 UB - Mannheim/tesseract 下載並安裝。
  • Linux：使用命令 sudo apt-get install tesseract-ocr 進行安裝。
  • macOS：使用命令 brew install tesseract 進行安裝。

安裝步驟

1. 克隆倉庫：

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

2. 創建並配置環境文件：

cp .env.example .env
# 編輯 .env 文件以設置 API 密鑰和偏好設置

3. 構建項目：

build.bat

💻 使用示例

可用工具

describe_image

• 輸入：Base64 編碼的圖像數據和 MIME 類型。
• 輸出：圖像的詳細描述。

describe_image_from_file

• 輸入：圖像文件路徑。
• 輸出：圖像的詳細描述。

📚 詳細文檔

環境配置

OpenRouter 說明

• 如果使用 OpenRouter，請參考其文檔以獲取詳細配置信息。
• 確保設置正確的 API 密鑰和模型端點。

默認模型

• Anthropic 的 Claude 視覺模型。
• OpenAI 的 GPT - 4 Vision 模型。

🔧 技術細節

測試

運行所有測試可使用以下命令：

run.bat test

調試

使用調試模式運行服務器可使用以下命令：

run.bat debug

📄 許可證

文檔中未提及許可證相關信息。

📈 發佈歷史

• 版本 0.1.2：
  • 修復了已知的兼容性問題。
  • 改進了 OCR 錯誤處理並添加了對 OCR 功能的全面測試覆蓋。
• 版本 0.1.1：
  • 初始發佈，包含基本功能和文檔支持。