Vision MCP

Servidor MCP para análisis de imágenes - otorga a los LLMs visión a través de API visual externa (Qwen, GPT-4o, etc.)

Documentación

🖼️ Vision MCP

Permite que modelos sin capacidad nativa de reconocimiento de imágenes (como DeepSeek) también puedan "ver" — obteniendo descripciones de texto de las imágenes mediante una API visual externa.

Proporciona reconocimiento de imágenes para modelos sin visión nativa (p. ej., DeepSeek) — mediante llamadas a una API visual externa.

Documentación en español

MCP Server (recomendado)

Herramientas

Herramienta	Descripción	Nota
`vision_analyze`	Analizar imágenes — ruta local o URL, 1-5 imágenes, prompt personalizado	Solo lectura
`vision_get_config`	Ver la configuración actual de la API (clave enmascarada)	Solo lectura
`vision_update_config`	Actualizar clave de API / modelo / dirección	—

Inicio rápido

# 安装依赖（本地开发）
npm install
npm run build

# 或直接通过 npx 运行（无需安装）
npx -y @guorui99/vision-mcp

Configurar MCP (en Claude Desktop / claude.json):

{
  "mcpServers": {
    "vision": {
      "command": "npx",
      "args": ["-y", "@guorui99/vision-mcp"]
    }
  }
}

Configuración inicial

Tras el inicio, configura la clave de API mediante la herramienta MCP:

vision_update_config api_key="你的API Key"

O usa variables de entorno (sin escribir en el disco):

VISION_API_KEY=你的Key npx -y @guorui99/vision-mcp

Variables de entorno compatibles:

Variable	Descripción	Valor predeterminado
`VISION_API_KEY`	Clave de API	—
`VISION_BASE_URL`	Dirección de la API	`https://dashscope.aliyuncs.com/compatible-mode/v1`
`VISION_MODEL`	Nombre del modelo	`qwen3.5-omni-plus`
`VISION_LANGUAGE`	Idioma	`zh`

Servicios de visión compatibles

Servicio	Modelo	Notas
Alibaba Cloud Bailian (recomendado)	`qwen3.5-omni-plus`	1 millón de tokens gratis para nuevos usuarios
Alibaba Cloud Bailian	`qwen-vl-max`	Igual que arriba
OpenAI	`gpt-4o-mini`	Requiere pago en el extranjero
Otros	Cualquier formato compatible con OpenAI	Cambiar `base_url` + nombre del modelo

Formatos compatibles

jpg, jpeg, png, gif, webp, bmp (máximo 5 imágenes por solicitud, máximo 20 MB por archivo)

Cómo funciona

Leer la imagen → codificar en base64
Llamar a la API de visión compatible con OpenAI
Devolver la descripción de texto

Modo CLI (heredado)

# 单张图片
node scripts/vision.cjs photo.jpg "描述这张图片"

# 网络图片
node scripts/vision.cjs --url https://example.com/img.png "这是什么？"

# 多张图片
node scripts/vision.cjs img1.jpg img2.jpg "比较这两张图"

# 配置
node scripts/vision.cjs --setup
node scripts/vision.cjs --config

Estructura del proyecto

vision-mcp/
├── src/                 # MCP Server 源码 (TypeScript)
├── dist/                # 编译产物
├── scripts/vision.cjs   # CLI 工具 (legacy)
├── config.json          # 共享配置文件
├── package.json
└── tsconfig.json

Requisitos del entorno

Node.js >= 18
Clave de API de un servicio de visión (Alibaba Cloud Bailian / OpenAI / etc.)

Documentación en inglés

MCP Server (recomendado)

Herramientas

Herramienta	Descripción	Nota
`vision_analyze`	Analizar imagen(es) — ruta local o URL, 1-5 imágenes, prompt personalizado	Solo lectura
`vision_get_config`	Ver la configuración actual de la API (clave enmascarada)	Solo lectura
`vision_update_config`	Actualizar clave de API / modelo / URL base	—

Inicio rápido

# Local development
npm install
npm run build

# Or run via npx directly (no install needed)
npx -y @guorui99/vision-mcp

Añadir a Claude Desktop / claude.json:

{
  "mcpServers": {
    "vision": {
      "command": "npx",
      "args": ["-y", "@guorui99/vision-mcp"]
    }
  }
}

Configuración inicial

Establece tu clave de API mediante la herramienta MCP:

vision_update_config api_key="your-api-key"

O usa variables de entorno (sin escrituras en el disco):

VISION_API_KEY=your-key npx -y @guorui99/vision-mcp

Variables de entorno:

Variable	Descripción	Valor predeterminado
`VISION_API_KEY`	Clave de API para el servicio de visión	—
`VISION_BASE_URL`	URL base de la API	`https://dashscope.aliyuncs.com/compatible-mode/v1`
`VISION_MODEL`	Nombre del modelo	`qwen3.5-omni-plus`
`VISION_LANGUAGE`	Idioma de respuesta (`zh` o `en`)	`zh`