MCP Openvision

🚀 MCP 开源项目

MCP 是一个强大的开源图像分析工具，用户可通过简单的 API 调用对图像进行详细分析。它支持多种输入格式，还具备高级自定义选项，能满足多样化的图像分析需求。

🚀 快速开始

MCP 提供了便捷的图像分析功能，你可以通过简单的 API 调用对图像进行详细分析。

✨ 主要特性

• 提供功能强大的图像分析工具，支持多种输入格式。
• 允许通过简单的 API 调用对图像进行详细分析。
• 支持高级自定义选项，如基于 Base64 的输入和自定义系统提示。

📦 安装指南

安装依赖

pip install mcp-openvision

💻 使用示例

基础用法

# 分析来自 URL 的图像
result = await image_analysis(
    image="https://example.com/image.jpg",
    query="描述此图像"
)

# 从本地文件分析图像
result = await image_analysis(
    image="path/to/local/image.jpg",
    query="识别街道场景中的所有交通标志并解释其对驾驶员的意义"
)

高级用法

基于 Base64 的输入

# 使用 Base64 编码的图像数据
result = await image_analysis(
    image="SGVsbG8gV29ybGQ=...",  # Base64 数据
    query="分析此产品包装设计，强调可以改进的部分以提高可见性和品牌识别度"
)

自定义系统提示

# 添加自定义系统提示以进行专业分析
result = await image_analysis(
    image="path/to/local/image.jpg",
    query="分析这幅画的构成和艺术技巧，重点介绍它们如何产生情感影响",
    system_prompt="你是一位专业的艺术史学家，拥有对绘画技术的深厚知识。专注于形式分析，关注构图、颜色、笔触和风格元素。"
)

输入类型

image_analysis 工具支持以下图像输入格式：

1. Base64 编码字符串
2. URL 链接 - 必须以 http:// 或 https:// 开头
3. 文件路径：
   • 绝对路径：从根目录开始的完整路径（Unix）或驱动器号（Windows）
   • 相对路径：相对于当前工作目录的路径
   • 带项目根的相对路径：使用 project_root 参数指定一个基目录

使用相对路径

当使用相对文件路径时，有两种选择：

1. 路径必须相对于运行服务器的当前工作目录。
2. 可以指定 project_root 参数：

# 示例：使用相对路径和 project_root 参数
result = await image_analysis(
    image="examples/image.jpg",
    project_root="/path/to/your/project",
    query="此图像中包含哪些内容？"
)

📚 详细文档

开发环境

初始化开发环境

# 克隆仓库
git clone https://github.com/modelcontextprotocol/mcp-openvision.git
cd mcp-openvision

# 安装开发依赖项
pip install -e ".[dev]"

代码格式化

该项目使用 Black 进行代码自动格式化。格式化在 GitHub Actions 中强制执行：

• 所有提交到仓库的代码都会自动用 Black 格式化。
• 来自协作仓库的拉取请求（PR）分支会直接将格式化后的代码提交到 PR 分支。
• 来自外部仓库的 PR 会保留原有格式。

测试方法

# 运行测试套件
python -m pytest tests/

发布流程

打包项目

# 创建源发行版
python setup.py sdist bdist_wheel

# 安装并测试发布工具
pip install twine
twine check dist/*

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

📄 许可证

MCP 开源项目遵循 MIT 许可证。点击 此处 查看完整许可证内容。

给开发者的一句话

如果你在使用 MCP 时遇到任何问题或有改进建议，请随时通过 GitHub Issues 提交问题或提出反馈！