Dino X MCP

🚀 DINO-X MCP

DINO-X MCP 借助 DINO-X 和 Grounding DINO 1.6 API，赋能大语言模型实现细粒度的目标检测和图像理解。

🚀 快速开始

1. 前提条件

你可以使用以下方法之一安装 Node.js：

选项 A：命令行安装 👍

# 适用于 MacOS 或 Linux
# 1. 安装 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. 将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. 在当前 shell 中激活 nvm
source ~/.bashrc
# 或者
source ~/.zshrc   

# 4. 验证 nvm 安装
command -v nvm

# 5. 安装并使用 Node.js 的 LTS 版本
nvm install --lts
nvm use --lts

# 适用于 Windows
winget install OpenJS.NodeJS.LTS
# 或者使用 PowerShell（管理员权限）
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y

选项 B：手动安装

从 nodejs.org 下载安装程序。

此外，选择一个支持 MCP 客户端的 AI 助手和应用程序，包括但不限于：

• Cursor
• WindSurf
• Trae
• Cherry Studio

2. 配置 MCP 服务器

你可以通过两种方式使用 DINO-X MCP 服务器：

选项 A：使用 NPM 包 👍

在你的 MCP 客户端中添加以下配置：

{
  "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"
      }
    }
  }
}

选项 B：使用本地项目

首先，克隆并构建项目：

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

# 安装依赖
pnpm install

# 构建项目
pnpm run build

然后配置你的 MCP 客户端：

{
  "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. 获取 API 密钥

从 DINO-X 平台 获取你的 API 密钥（新用户可享受免费配额）。

将上述配置中的 your-api-key-here 替换为你实际的 API 密钥。

4. 环境变量

DINO-X MCP 服务器支持以下环境变量：

5. 可用工具

重启你的 MCP 客户端，你应该能够使用以下工具：

✨ 主要特性

• 细粒度图像理解：借助 DINO-X MCP，能够实现全场景识别和基于自然语言的目标检测，达成细粒度的图像理解。
• 精准信息获取：可以准确获取对象的数量、位置和属性，为视觉问答等任务提供支持。
• 多步工作流构建：能够与其他 MCP 服务器集成，构建多步视觉工作流。
• 视觉代理搭建：可构建由自然语言驱动的视觉代理，适用于现实世界的自动化场景。

🎬 使用案例

🎯 场景	📝 输入	✨ 输出
检测与定位	💬 提示： 检测并可视化森林中的火灾区域 🖼️ 输入图像：
对象计数	💬 提示： 请分析此仓库图像，检测所有纸板箱并统计总数 🖼️ 输入图像：
特征检测	💬 提示： 在图像中找到所有红色汽车 🖼️ 输入图像：
属性推理	💬 提示： 在图像中找到最高的人，描述他们的穿着 🖼️ 输入图像：
全场景检测	💬 提示： 在图像中找到维生素 C 含量最高的水果 🖼️ 输入图像：	答案：猕猴桃（93mg/100g）
姿态分析	💬 提示： 请分析这是什么瑜伽姿势 🖼️ 输入图像：

📝 使用说明

支持的图像格式

• 以 https:// 开头的远程 URL 👍
• 本地文件路径（以 file:// 开头）
• 常见图像格式：jpg, jpeg, png, webp

API 文档

请参考 DINO-X 平台 获取 API 使用限制和定价信息。

🛠️ 开发

监听模式

在开发过程中，你可以使用监听模式进行自动重建：

pnpm run watch

调试

使用 MCP 检查器调试服务器：

pnpm run inspector

📄 许可证

本项目采用 Apache License 2.0 许可证。