DINO-X

DINO-X MCP-Server

English | 中文

Der offizielle DINO-X MCP-Server – unterstützt durch die Modelle DINO-X und Grounding DINO – bringt feinkörnige Objekterkennung und Bildverständnis in Ihre multimodalen Anwendungen.

Ihr Browser unterstützt das Video-Tag nicht.

Warum DINO-X MCP?

Mit DINO-X MCP können Sie:

• Feinkörniges Verständnis: Vollständige Bilderkennung, Objekterkennung und Beschreibungen auf Regionsebene.

• Strukturierte Ausgaben: Erhalten Sie Objektkategorien, -anzahlen, -positionen und -attribute für VQA und mehrstufige Schlussfolgerungsaufgaben.

• Kombinierbar: Funktioniert nahtlos mit anderen MCP-Servern, um durchgängige visuelle Agenten oder Automatisierungspipelines zu erstellen.

Transportmodi

DINO-X MCP unterstützt zwei Transportmodi:

Funktion	STDIO (Standard)	Streamable HTTP
Laufzeitumgebung	Lokal	Lokal oder Cloud
Transport	Standard-I/O	HTTP (Streaming-Antworten)
Eingabequelle	file:// und https://	Nur https://
Visualisierung	Unterstützt (speichert annotierte Bilder lokal)	Nicht unterstützt (vorerst)

Schnellstart

1. Bereiten Sie einen MCP-Client vor

Jeder MCP-kompatible Client funktioniert, z. B.:

• Cursor
• WindSurf
• Trae
• Cherry Studio

2. Besorgen Sie sich Ihren API-Schlüssel

Beantragen Sie ihn auf der DINO-X-Plattform: API-Schlüssel anfordern (neue Benutzer erhalten ein kostenloses Kontingent).

3. MCP konfigurieren

Option A: Offiziell gehostetes Streamable HTTP (Empfohlen)

Fügen Sie dies zur Konfiguration Ihres MCP-Clients hinzu und ersetzen Sie es durch Ihren API-Schlüssel:

{
  "mcpServers": {
    "dinox-mcp": {
      "url": "https://mcp.deepdataspace.com/mcp?key=your-api-key"
    }
  }
}

Option B: Das NPM-Paket lokal verwenden (STDIO)

Installieren Sie zuerst Node.js

• Laden Sie das Installationsprogramm von nodejs.org herunter

• Oder verwenden Sie den Befehl:

# macOS / Linux
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
# or
wget -qO- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

# load nvm into current shell (choose the one you use)
source ~/.bashrc || true
source ~/.zshrc  || true

# install and use LTS Node.js
nvm install --lts
nvm use --lts

# Windows (one of the following)
winget install OpenJS.NodeJS.LTS
# or with Chocolatey (in admin PowerShell)
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y

Konfigurieren Sie Ihren MCP-Client:

{
  "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"
      }
    }
  }
}

Hinweis: Ersetzen Sie your-api-key-here durch Ihren echten Schlüssel.

Option C: Aus dem Quellcode lokal ausführen

Stellen Sie sicher, dass Node.js installiert ist (siehe Option B), dann:

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

# install deps
npm install

# build
npm run build

Konfigurieren Sie Ihren MCP-Client:

{
  "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"
      }
    }
  }
}

CLI-Flags & Umgebungsvariablen

• Allgemeine Flags

  • --http: Im Streamable-HTTP-Modus starten (andernfalls standardmäßig STDIO)
  • --stdio: STDIO-Modus erzwingen
  • --dinox-api-key=...: API-Schlüssel setzen
  • --enable-client-key: API-Schlüssel über URL ?key= erlauben (nur Streamable HTTP)
  • --port=8080: HTTP-Port (Standard 3020)

• Umgebungsvariablen

  • DINOX_API_KEY (erforderlich/bedingt erforderlich): API-Schlüssel der DINO-X-Plattform
  • IMAGE_STORAGE_DIRECTORY (optional, STDIO): Verzeichnis zum Speichern annotierter Bilder
  • AUTH_TOKEN (optional, HTTP): Falls gesetzt, muss der Client Authorization: Bearer <token> senden

  Beispiele:

# STDIO (local)
node build/index.js --dinox-api-key=your-api-key

# Streamable HTTP (server provides a shared API key)
node build/index.js --http --dinox-api-key=your-api-key

# Streamable HTTP (custom port)
node build/index.js --http --dinox-api-key=your-api-key --port=8080

# Streamable HTTP (require client-provided API key via URL)
node build/index.js --http --enable-client-key

Client-Konfiguration bei Verwendung von ?key=:

{
  "mcpServers": {
    "dinox-mcp": {
      "url": "http://localhost:3020/mcp?key=your-api-key"
    }
  }
}

Verwendung von AUTH_TOKEN mit einem Gateway, das Authorization: Bearer <token> einschleust:

AUTH_TOKEN=my-token node build/index.js --http --enable-client-key

Client-Beispiel mit supergateway:

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "supergateway",
        "--streamableHttp",
        "http://localhost:3020/mcp?key=your-api-key",
        "--oauth2Bearer",
        "my-token"
      ]
    }
  }
}

Werkzeuge

Fähigkeit	Werkzeug-ID	Transport	Eingabe	Ausgabe
Vollständige Szenen-Objekterkennung	detect-all-objects	STDIO / HTTP	Bild-URL	Kategorie + Bbox + (optionale) Beschriftungen
Textgesteuerte Objekterkennung	detect-objects-by-text	STDIO / HTTP	Bild-URL + englische Nomen (punktgetrennt für mehrere, z. B. person.car)	Zielobjekt-Bbox + (optionale) Beschriftungen
Menschliche Posenschätzung	detect-human-pose-keypoints	STDIO / HTTP	Bild-URL	17 Schlüsselpunkte + Bbox + (optionale) Beschriftungen
Visualisierung	visualize-detection-result	Nur STDIO	Bild-URL + Erkennungsergebnis-Array	Lokaler Pfad zum annotierten Bild

🎬 Anwendungsfälle

🎯 Szenario	📝 Eingabe	✨ Ausgabe
Erkennung & Lokalisierung	💬 Prompt: Detect and visualize the fire areas in the forest 🖼️ Eingabebild:
Objekte zählen	💬 Prompt: Please analyze this warehouse image, detect all the cardboard boxes, count the total number 🖼️ Eingabebild:
Merkmalserkennung	💬 Prompt: Find all red cars in the image 🖼️ Eingabebild:
Attribut-Schlussfolgerung	💬 Prompt: Find the tallest person in the image, describe their clothing 🖼️ Eingabebild:
Vollständige Szenenerkennung	💬 Prompt: Find the fruit with the highest vitamin C content in the image 🖼️ Eingabebild:	Antwort: Kiwi (93mg/100g)
Positionsanalyse	💬 Prompt: Please analyze what yoga pose this is 🖼️ Eingabebild:

FAQ

• Unterstützte Bildquellen?
  • STDIO: file:// und https://
  • Streamable HTTP: Nur https://
• Unterstützte Bildformate?
  • jpg, jpeg, webp, png

Entwicklung & Fehlerbehebung

Verwenden Sie den Watch-Modus, um während der Entwicklung automatisch neu zu erstellen:

npm run watch

Verwenden Sie MCP Inspector zur Fehlerbehebung:

npm run inspector

Lizenz

Apache License 2.0