DINO-X

官方

由 Dino-X 驅動的先進電腦視覺與物件偵測 MCP 伺服器，使 AI 代理能夠分析影像、偵測物件、識別關鍵點，並執行視覺理解任務。

GitHub
110

你可以用 DINO X MCP 做什麼？

  • 偵測場景中的所有物體 — 要求助理使用 detect-all-objects 識別圖片中每個物體的類別與邊界框。
  • 透過文字提示尋找物體 — 透過 detect-objects-by-text 請求偵測圖片中的特定項目（例如「person.car」）。
  • 估算人體姿勢關鍵點 — 使用 detect-human-pose-keypoints 取得圖片中人物的 17 個身體關鍵點與邊界框。
  • 生成附註解的視覺化結果 — 使用 visualize-detection-result 產生繪有偵測結果的圖片（僅限 STDIO 模式）。

文件

DINO-X MCP 伺服器

License npm version npm downloads PRs Welcome MCP Badge GitHub stars

English | 中文

DINO-X 官方 MCP 伺服器 — 由 DINO-X 和 Grounding DINO 模型驅動 — 為您的多模態應用程式帶來精細的物件偵測與影像理解能力。

您的瀏覽器不支援影片標籤。

為何選擇 DINO-X MCP？

使用 DINO-X MCP，您可以：

  • 精細理解：完整的影像偵測、物件偵測和區域級別的描述。

  • 結構化輸出：取得物件類別、數量、位置和屬性，用於視覺問答和多步驟推理任務。

  • 可組合性：與其他 MCP 伺服器無縫協作，構建端到端的視覺代理或自動化流程。

傳輸模式

DINO-X MCP 支援兩種傳輸模式：

功能STDIO（預設）可串流的 HTTP
執行環境本地本地或雲端
傳輸方式標準 I/OHTTP（串流回應）
輸入來源file:// 和 https://僅 https://
視覺化支援（在本機儲存標註後的影像）不支援（目前）

快速入門

1. 準備一個 MCP 客戶端

任何相容 MCP 的客戶端都可以使用，例如：

2. 取得您的 API 金鑰

在 DINO-X 平台上申請：申請 API 金鑰（新用戶可獲得免費額度）。

3. 設定 MCP

選項 A：官方託管的可串流 HTTP（推薦）

新增至您的 MCP 客戶端設定，並替換為您的 API 金鑰：

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

選項 B：在本機使用 NPM 套件（STDIO）

先安裝 Node.js

  • 從 nodejs.org 下載安裝程式

  • 或使用指令：

# 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

設定您的 MCP 客戶端：

{
  "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：請將 your-api-key-here 替換為您的真實金鑰。

選項 C：從原始碼在本機執行

確保已安裝 Node.js（請參閱選項 B），然後：

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

# install deps
npm install

# build
npm run build

設定您的 MCP 客戶端：

{
  "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 旗標與環境變數

  • 常用旗標

    • --http：以可串流 HTTP 模式啟動（否則預設為 STDIO）
    • --stdio：強制使用 STDIO 模式
    • --dinox-api-key=...：設定 API 金鑰
    • --enable-client-key：允許透過 URL ?key= 傳遞 API 金鑰（僅限可串流 HTTP）
    • --port=8080：HTTP 埠號（預設 3020）

  • 環境變數

    • DINOX_API_KEY（必要/有條件必要）：DINO-X 平台 API 金鑰
    • IMAGE_STORAGE_DIRECTORY（可選，STDIO）：儲存標註影像的目錄
    • AUTH_TOKEN（可選，HTTP）：若設定，客戶端必須發送 Authorization: Bearer <token>

    範例：

# 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= 時的客戶端設定：

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

搭配注入 Authorization: Bearer <token> 的閘道使用 AUTH_TOKEN：

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

使用 supergateway 的客戶端範例：

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

工具

功能工具 ID傳輸模式輸入輸出
全場景物件偵測detect-all-objectsSTDIO / HTTP影像 URL類別 + 邊界框 +（可選）標題
文字提示的物件偵測detect-objects-by-textSTDIO / HTTP影像 URL + 英文名詞（多個以點分隔，例如 person.car）目標物件邊界框 +（可選）標題
人體姿態估計detect-human-pose-keypointsSTDIO / HTTP影像 URL17 個關鍵點 + 邊界框 +（可選）標題
視覺化visualize-detection-result僅 STDIO影像 URL + 偵測結果陣列標註影像的本機路徑

🎬 使用案例

🎯 場景📝 輸入✨ 輸出
偵測與定位💬 提示：
Detect and visualize the
fire areas in the forest

🖼️ 輸入影像：
1-1		1-2
物件計數💬 提示：
Please analyze this
warehouse image, detect
all the cardboard boxes,
count the total number

🖼️ 輸入影像：
2-1		2-2
特徵偵測💬 提示：
Find all red cars
in the image

🖼️ 輸入影像：
4-1		4-2
屬性推理💬 提示：
Find the tallest person
in the image, describe
their clothing

🖼️ 輸入影像：
5-1		5-2
全場景偵測💬 提示：
Find the fruit with
the highest vitamin C
content in the image

🖼️ 輸入影像：
6-1		6-3

答案：奇異果（93毫克/100克）
姿態分析💬 提示：
Please analyze what
yoga pose this is

🖼️ 輸入影像：
3-1		3-3

常見問題

  • 支援的影像來源？
    • STDIO：file:// 和 https://
    • 可串流 HTTP：僅 https://
  • 支援的影像格式？
    • jpg、jpeg、webp、png

開發與除錯

在開發過程中使用監看模式自動重新建置：

npm run watch

使用 MCP Inspector 進行除錯：

npm run inspector

授權

Apache License 2.0