photographi

photographi-mcp

Análisis técnico de fotos rápido, privado y fundamentado para aplicaciones de IA.

photographi-mcp es un servidor MCP que permite a los modelos de IA y herramientas basadas en LLM realizar análisis técnico en bibliotecas de fotos locales. Ejecuta modelos de visión por computadora directamente en tu hardware (impulsado por photo-quality-analyzer-core) para evaluar nitidez, enfoque y exposición, lo que permite capacidades como selección automática, clasificación de ráfagas e indexación de metadatos sin necesidad de subir a la nube.

⚡ ¿Por qué photographi?

• Técnico primero: Diseñado específicamente para métricas objetivas (nitidez, iluminación, enfoque). Proporciona datos técnicos para evaluar la calidad de la imagen.
• Eficiente en tokens: Ahorra contexto del modelo al prefiltrar metadatos técnicos localmente. Solo los conocimientos más relevantes se envían a la aplicación de IA, manteniendo las sesiones rápidas y ágiles.
• Privacidad primero: Todo el análisis ocurre 100% localmente en tu máquina.
• Baja latencia: Construido para procesamiento eficiente, permitiendo clasificación rápida y retroalimentación técnica en carpetas de fotos locales.

---

👁️ Qué Analiza

• Enfoque Inteligente: Detecta sujetos y verifica que estén nítidos
• Exposición: Detecta luces sobreexpuestas y sombras bloqueadas
• Consciente del Equipo: Conoce el punto óptimo de tu lente para una nitidez óptima
• Composición: Evalúa el encuadre y la colocación del sujeto
• Alertas de Calidad: Señala desenfoque por movimiento, difracción, ruido ISO alto

[!NOTE] Técnico vs. Artístico: Esta herramienta es estrictamente objetiva. Evalúa fotos basándose en métricas técnicas y visión por computadora (nitidez, exposición, ruido, etc.). No entiende la intención artística, la estética o el "ambiente". Una foto borrosa y subexpuesta puede ser una obra maestra artística, pero photographi la marcará correctamente como técnicamente deficiente.

Para la ciencia y las matemáticas detrás de esto, consulta la Documentación Técnica.

---

📸 Vívelo en Acción

Aquí hay ejemplos reales de análisis de fotos reales:

Ejemplo 1: Foto Excelente

{
  "overallConfidence": 0.89,
  "judgement": "Excellent",
  "keyMetrics": {
    "sharpness": 0.94,
    "exposure": 0.87,
    "composition": 0.85
  }
}

Veredicto: Enfoque preciso en el sujeto, bien expuesta, composición fuerte.

---

Ejemplo 2: Foto Deficiente

{
  "overallConfidence": 0.20,
  "judgement": "Very Poor",
  "keyMetrics": {
    "sharpness": 0.30,
    "focus": 0.07,
    "exposure": 0.0
  }
}

Veredicto: Enfoque fallido en el sujeto, subexposición severa/recorte de negros, y espacio superior excesivo.

---

🛠️ Herramientas (MCP)

photographi-mcp permite a los modelos de IA realizar auditorías técnicas profundas a través de estas herramientas estandarizadas:

Herramienta	Ejemplo de "Intención" de IA	Acción / Información Proporcionada
analyze_photo	"¿Está esta foto de perro lo suficientemente nítida para una impresión?"	Auditoría técnica completa de nitidez, enfoque e iluminación.
analyze_folder	"¿Cómo está la calidad general de mi carpeta 'Vacaciones'?"	Resumen estadístico que identifica los grupos de imágenes mejores/peores.
rank_photographs	"Encuentra la mejor toma en esta ráfaga del pastel."	Clasifica archivos por perfección técnica para encontrar el fotograma "héroe".
cull_photographs	"Mueve todas las fotos borrosas a una carpeta de desechos."	Limpia automáticamente tomas fallidas en una subcarpeta.
threshold_cull	"Separa estrictamente los archivos que valen la pena usando una puntuación de 0.7."	Clasificación binaria para aislar activos de nivel profesional.
get_color_palette	"¿Qué colores hay en este atardecer para mi sitio web?"	Extrae códigos hexadecimales para las estéticas dominantes de la imagen.
get_folder_palettes	"Genera un moodboard de mi sesión 'Bosque'."	Extracción de color por lotes para una carpeta completa.
get_scene_content	"¿Qué fotos contienen un 'gato' o una 'montaña'?"	Indexación rápida de contenido basada en más de 80 categorías de objetos.

Referencia Completa de la API

---

🚀 Comenzar

Claude CLI (Más Rápido)

claude mcp add --scope user photographi uvx photographi-mcp

Claude Desktop (macOS)

Agrega a ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "photographi": {
      "command": "uvx",
      "args": ["photographi-mcp"]
    }
  }
}

GitHub Copilot CLI

Agrega a ~/.config/github-copilot/config.json:

{
  "mcp_servers": {
    "photographi": {
      "command": "uvx",
      "args": ["photographi-mcp"]
    }
  }
}

---

🔒 Privacidad y Telemetría

photographi está construido sobre una filosofía Privacidad-Primero.

• Solo Agregados Anónimos: Nunca recopilamos nombres de archivos, rutas o datos EXIF.
• Transparencia Total: Audita nuestra lógica de recopilación directamente en analytics.py.
• Exclusión Voluntaria: Establece la variable de entorno PHOTOGRAPHI_TELEMETRY_DISABLED=1 o usa la bandera --disable-telemetry.

---

📖 Documentación

• Guía de Configuración e Instalación: Configuración detallada y solución de problemas.
• La Ciencia: Matemáticas y teoría detrás de la puntuación de calidad.
• Contribuir: Cómo ayudar a mejorar el proyecto.
• Problemas de GitHub: Reporta errores o solicita funciones.

---