DINO-X

公式

Dino-Xを搭載した高度な

GitHub
110

DINO X MCPで何ができますか？

  • シーン内のすべてのオブジェクトを検出 — detect-all-objects を使用して、画像内のすべてのオブジェクトをカテゴリとバウンディングボックスで識別するようアシスタントに依頼します。
  • テキストプロンプトでオブジェクトを検索 — detect-objects-by-text を介して、画像内の特定のアイテム（例：「person.car」）の検出を要求します。
  • 人体ポーズのキーポイントを推定 — detect-human-pose-keypoints を使用して、画像内の人物の17個の身体キーポイントとバウンディングボックスを取得します。
  • 注釈付きの可視化を生成 — visualize-detection-result を使用して、検出結果が描画された画像を生成します（STDIOモードのみ）。

ドキュメント

DINO-X MCP Server

License npm version npm downloads PRs Welcome MCP Badge GitHub stars

English | 中文

DINO-X 公式 MCP Server — DINO-X および Grounding DINO モデルを搭載し、マルチモーダルアプリケーションにきめ細かな物体検出と画像理解をもたらします。

お使いのブラウザは video タグをサポートしていません。

DINO-X MCP を選ぶ理由

DINO-X MCP を使用すると、次のことが可能になります。

  • きめ細かな理解: 画像全体の検出、物体検出、領域レベルの説明。
  • 構造化された出力: VQA や多段階推論タスクのために、物体カテゴリ、数、位置、属性を取得。
  • 組み合わせ可能: 他の MCP サーバーとシームレスに連携し、エンドツーエンドのビジュアルエージェントや自動化パイプラインを構築。

トランスポートモード

DINO-X MCP は 2 つのトランスポートモードをサポートします。

機能STDIO (デフォルト)Streamable HTTP
ランタイムローカルローカルまたはクラウド
トランスポート標準 I/OHTTP (ストリーミングレスポンス)
入力ソースfile:// および https://https:// のみ
可視化サポート (注釈付き画像をローカルに保存)非サポート (現時点では)

クイックスタート

1. MCP クライアントを準備する

MCP 互換のクライアントであれば何でも動作します。例:

2. API キーを取得する

DINO-X プラットフォームで申請: API キーをリクエスト (新規ユーザーは無料枠を取得)。

3. MCP を設定する

オプション A: 公式ホスト Streamable HTTP (推奨)

MCP クライアント設定に追加し、API キーに置き換えてください。

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

オプション B: NPM パッケージをローカルで使用 (STDIO)

最初に Node.js をインストールしてください。

  • nodejs.org からインストーラーをダウンロード
  • またはコマンドを使用:
# 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

MCP クライアントを設定します。

{
  "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"
      }
    }
  }
}

注意: your-api-key-here を実際のキーに置き換えてください。

オプション C: ソースからローカルで実行

Node.js がインストールされていることを確認し (オプション B 参照)、次を実行します。

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

# install deps
npm install

# build
npm run build

MCP クライアントを設定します。

{
  "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 フラグと環境変数

  • 共通フラグ

    • --http: Streamable HTTP モードで開始 (デフォルトは STDIO)
    • --stdio: STDIO モードを強制
    • --dinox-api-key=...: API キーを設定
    • --enable-client-key: URL ?key= 経由の API キーを許可 (Streamable HTTP のみ)
    • --port=8080: HTTP ポート (デフォルト 3020)

  • 環境変数

    • DINOX_API_KEY (必須/条件付き必須): DINO-X プラットフォーム API キー
    • IMAGE_STORAGE_DIRECTORY (オプション、STDIO): 注釈付き画像を保存するディレクトリ
    • AUTH_TOKEN (オプション、HTTP): 設定した場合、クライアントは Authorization: Bearer <token> を送信する必要があります

    例:

# 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

?key= 使用時のクライアント設定:

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

Authorization: Bearer <token> を注入するゲートウェイで AUTH_TOKEN を使用する場合:

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

supergateway を使用したクライアント例:

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

ツール

機能ツール IDトランスポート入力出力
シーン全体の物体検出detect-all-objectsSTDIO / HTTP画像 URLカテゴリ + bbox + (オプション) キャプション
テキストプロンプトによる物体検出detect-objects-by-textSTDIO / HTTP画像 URL + 英語名詞 (複数はドット区切り、例: person.car)対象物体 bbox + (オプション) キャプション
人物姿勢推定detect-human-pose-keypointsSTDIO / HTTP画像 URL17 キーポイント + bbox + (オプション) キャプション
可視化visualize-detection-resultSTDIO のみ画像 URL + 検出結果配列注釈付き画像のローカルパス

🎬 ユースケース

🎯 シナリオ📝 入力✨ 出力
検出と位置特定💬 プロンプト:
Detect and visualize the
fire areas in the forest

🖼️ 入力画像:
1-1		1-2
物体カウント💬 プロンプト:
Please analyze this
warehouse image, detect
all the cardboard boxes,
count the total number

🖼️ 入力画像:
2-1		2-2
特徴検出💬 プロンプト:
Find all red cars
in the image

🖼️ 入力画像:
4-1		4-2
属性推論💬 プロンプト:
Find the tallest person
in the image, describe
their clothing

🖼️ 入力画像:
5-1		5-2
シーン全体の検出💬 プロンプト:
Find the fruit with
the highest vitamin C
content in the image

🖼️ 入力画像:
6-1		6-3

回答: キウイフルーツ (93mg/100g)
姿勢分析💬 プロンプト:
Please analyze what
yoga pose this is

🖼️ 入力画像:
3-1		3-3

FAQ

  • サポートされている画像ソースは？
    • STDIO: file:// および https://
    • Streamable HTTP: https:// のみ
  • サポートされている画像フォーマットは？
    • jpg、jpeg、webp、png

開発とデバッグ

開発中に自動再ビルドするには watch モードを使用します。

npm run watch

デバッグには MCP Inspector を使用します。

npm run inspector

ライセンス

Apache License 2.0