DINO-X

官方

由Dino-X驱动的先进计算机视觉与目标检测MCP服务器，使AI代理能够分析图像、检测目标、识别关键点并执行视觉理解任务。

GitHub
110

你可以用 DINO X MCP 做什么？

  • 检测场景中的所有物体 — 让助手使用 detect-all-objects 识别图像中每个物体的类别和边界框。
  • 通过文本提示查找物体 — 通过 detect-objects-by-text 请求检测图像中的特定项目（例如“人.汽车”）。
  • 估计人体姿态关键点 — 使用 detect-human-pose-keypoints 获取图像中人物的17个身体关键点和边界框。
  • 生成带注释的可视化结果 — 使用 visualize-detection-result（仅限 STDIO 模式）生成绘制了检测结果的图像。

文档

DINO-X MCP 服务器

License npm version npm downloads PRs Welcome MCP Badge GitHub stars

English | 中文

DINO-X 官方 MCP 服务器 — 由 DINO-X 和 Grounding DINO 模型驱动 — 为您的多模态应用带来细粒度对象检测与图像理解能力。

您的浏览器不支持 video 标签。

为什么选择 DINO-X MCP？

使用 DINO-X MCP，您可以：

  • 细粒度理解：全图检测、对象检测以及区域级描述。

  • 结构化输出：获取对象类别、数量、位置和属性，用于视觉问答和多步推理任务。

  • 可组合性：与其他 MCP 服务器无缝协作，构建端到端的视觉智能体或自动化流水线。

传输模式

DINO-X MCP 支持两种传输模式：

功能STDIO（默认）流式 HTTP
运行环境本地本地或云端
传输方式标准 I/OHTTP（流式响应）
输入来源file:// 和 https://仅 https://
可视化支持（本地保存标注图像）暂不支持

快速开始

1. 准备一个 MCP 客户端

任何兼容 MCP 的客户端均可使用，例如：

2. 获取您的 API 密钥

在 DINO-X 平台申请：申请 API 密钥（新用户可获得免费额度）。

3. 配置 MCP

选项 A：官方托管流式 HTTP（推荐）

添加到您的 MCP 客户端配置中，并替换为您的 API 密钥：

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

选项 B：本地使用 NPM 包（STDIO）

首先安装 Node.js

  • 从 nodejs.org 下载安装程序

  • 或使用命令：

# 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

配置您的 MCP 客户端：

{
  "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：请将 your-api-key-here 替换为您真实的密钥。

选项 C：本地从源码运行

确保已安装 Node.js（参见选项 B），然后：

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

# install deps
npm install

# build
npm run build

配置您的 MCP 客户端：

{
  "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 标志与环境变量

  • 常用标志

    • --http：以流式 HTTP 模式启动（否则默认为 STDIO）
    • --stdio：强制使用 STDIO 模式
    • --dinox-api-key=...：设置 API 密钥
    • --enable-client-key：允许通过 URL ?key= 传递 API 密钥（仅限流式 HTTP）
    • --port=8080：HTTP 端口（默认 3020）

  • 环境变量

    • DINOX_API_KEY（必需/条件必需）：DINO-X 平台 API 密钥
    • IMAGE_STORAGE_DIRECTORY（可选，STDIO）：保存标注图像的目录
    • AUTH_TOKEN（可选，HTTP）：如果设置，客户端必须发送 Authorization: Bearer <token>

    示例：

# 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

使用 ?key= 时的客户端配置：

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

结合注入 Authorization: Bearer <token> 的网关使用 AUTH_TOKEN：

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

使用 supergateway 的客户端示例：

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

工具

能力工具 ID传输方式输入输出
全场景对象检测detect-all-objectsSTDIO / HTTP图像 URL类别 + 边界框 +（可选）描述
文本提示对象检测detect-objects-by-textSTDIO / HTTP图像 URL + 英文名词（多个用点分隔，例如 person.car）目标对象边界框 +（可选）描述
人体姿态估计detect-human-pose-keypointsSTDIO / HTTP图像 URL17 个关键点 + 边界框 +（可选）描述
可视化visualize-detection-result仅 STDIO图像 URL + 检测结果数组标注图像的本地路径

🎬 使用案例

🎯 场景📝 输入✨ 输出
检测与定位💬 提示：
Detect and visualize the
fire areas in the forest

🖼️ 输入图像：
1-1		1-2
对象计数💬 提示：
Please analyze this
warehouse image, detect
all the cardboard boxes,
count the total number

🖼️ 输入图像：
2-1		2-2
特征检测💬 提示：
Find all red cars
in the image

🖼️ 输入图像：
4-1		4-2
属性推理💬 提示：
Find the tallest person
in the image, describe
their clothing

🖼️ 输入图像：
5-1		5-2
全场景检测💬 提示：
Find the fruit with
the highest vitamin C
content in the image

🖼️ 输入图像：
6-1		6-3

答案：猕猴桃（93mg/100g）
姿态分析💬 提示：
Please analyze what
yoga pose this is

🖼️ 输入图像：
3-1		3-3

常见问题

  • 支持的图像来源？
    • STDIO：file:// 和 https://
    • 流式 HTTP：仅 https://
  • 支持的图像格式？
    • jpg、jpeg、webp、png

开发与调试

开发过程中使用监视模式自动重新构建：

npm run watch

使用 MCP Inspector 进行调试：

npm run inspector

许可证

Apache License 2.0