MCP Server
img-mcp-server
hydrogenium-tri/img-mcp-server
48
InicialPluginScore · de 0 a 100An image mcp server completed with go language
Instalação
$
npx convez-ai hydrogenium-tri/img-mcp-server1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Estrelas
0Forks
0Acompanhando
0Saúde
42%Último commit
há 5 mesesVersão
—Issues abertas
0Contribuidores
1README
A tradução para o português deste README ainda está na fila.
图像分析 MCP 服务器
让不支持多模态的 LLM 通过 MCP 协议实现对图片内容的分析。
功能特性
- MCP 协议兼容,暴露
analyze_image工具 - 支持
base64和上传缓存两种图片传入方式 - SHA256 哈希去重,同一图片多次上传不重复占用内存
- 缓存自动过期清理(10 分钟 TTL)
- 支持 JPEG / PNG / GIF / WebP / BMP 格式自动识别
- 兼容 OpenAI API 格式,可接入硅基流动等国产平台
- Bearer Token 认证,保护服务不被未授权访问
- Docker 容器化部署,支持离线导出
- 附带集成测试脚本和 Agent Skill 文件
项目结构
.
├── Dockerfile # Docker 容器化部署
├── main.go # 入口
├── config.go # 配置加载
├── server.go # MCP 服务器启动 + 路由注册
├── tools.go # MCP 工具定义 + 处理函数
├── model.go # 图片格式检测 + 视觉模型调用
├── upload.go # HTTP 上传接口
├── cache.go # 图片缓存(SHA256 去重 + TTL 过期)
├── auth.go # Bearer Token 认证中间件
├── test.sh # 集成测试脚本
├── test.png # 测试图片
├── .skill/SKILL.md # Agent Skill 文件
├── go.mod / go.sum
└── config.json # 配置文件(不提交到 Git)
快速开始
1. 创建配置文件
在项目根目录创建 config.json:
{
"provider": "siliconflow",
"base_url": "https://api.siliconflow.cn/v1",
"api_key": "sk-xxx",
"model": "nex-agi/Nex-N2-Pro",
"port": 8080,
"auth_token": "your-secret-token"
}
| 字段 | 说明 |
|---|---|
| provider | 模型供应商名称 |
| base_url | 供应商 API 地址(兼容 OpenAI 格式) |
| api_key | API 密钥 ⚠️ 不要提交到 Git |
| model | 多模态模型名称(需支持视觉识别) |
| port | 服务器监听端口 |
| auth_token | 认证 Token(不设置则不启用认证) |
热更新:修改
config.json后重启服务即可生效,无需重新编译。
2. 编译运行
go build
./img-mcp-server
3. 验证服务
# 查询工具列表(未启用认证时)
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'
# 启用认证后需携带 Token
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your-token" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'
4. 运行集成测试
./test.sh
Docker 部署(推荐)
# 构建镜像(国内已内置 goproxy.cn 代理)
docker build -t img-mcp-server .
# 运行容器(挂载配置文件 + 端口映射)
docker run -d --name img-mcp \
--restart always \
-p 9999:8080 \
-v /path/to/config.json:/app/config.json:ro \
img-mcp-server
# 查看日志
docker logs img-mcp
# 修改配置后重启
docker restart img-mcp
离线部署
# 导出镜像
docker save -o img-mcp-server.tar img-mcp-server
# 传输到目标服务器并加载
scp img-mcp-server.tar user@server:/path/
ssh user@server "docker load -i /path/img-mcp-server.tar"
Agent Skill 配置
项目附带 .skill/SKILL.md,安装到全局 Skill 目录后,AI Agent 可自动完成"上传图片 → 获取缓存 ID → 分析 → 返回结果"的完整流程。
安装 Skill
- 从 GitHub 下载
.skill/SKILL.md - 放入全局 Skill 目录
~/.agents/skills/image-analysis/SKILL.md - 如果服务启用了认证,修改 Skill 中的 curl 命令,添加 Token 头
配置服务器地址和 Token
Skill 默认连接 http://localhost:8080。如果部署到远程服务器且启用了认证,需要将以下信息告知 Agent:
- 服务器地址:如
https://www.megrez.space:9999 - 认证 Token:如
mcp-link
Agent 会在首次调用失败时询问这些信息,或用户可直接修改 Skill 文件。
Zed / MCP 客户端配置
在 Zed 或其他 MCP 客户端的配置文件中添加:
{
"Vision_MCP": {
"url": "https://your-server.com:9999/mcp",
"headers": {
"Authorization": "Bearer your-token"
}
}
}
配置文件路径:
- Zed:
~/.config/zed/mcp.json - 其他客户端:参考对应文档
MCP 工具
analyze_image
分析图片内容并返回文字描述。
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| base64 | string | 图片的 Base64 编码(与 cache_id 二选一) | |
| cache_id | string | 通过 /upload 接口上传后获取的缓存 ID(与 base64 二选一) | |
| prompt | string | ✅ | 对图片的分析要求或提示词 |
HTTP API 参考
所有接口均需认证(除非未配置 auth_token)。
POST /upload
上传图片到服务器缓存,返回唯一 ID。
curl -X POST http://localhost:8080/upload \
-H "Authorization: Bearer your-token" \
-F "file=@图片.jpg"
返回:{"cache_id": "abc123..."}
- 使用 SHA256 哈希 作为缓存键,同一图片多次上传返回相同 ID
- 缓存 10 分钟 后自动过期
POST /mcp
MCP 协议端点(Streamable HTTP,无状态模式)。
# 查询工具列表
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your-token" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'
# 分析图片(cache_id 方式)
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your-token" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"analyze_image","arguments":{"cache_id":"abc123","prompt":"描述这张图片"}}}'
# 分析图片(base64 方式)
curl -X POST http://localhost:8080/mcp \
-H "Content-Type: application/json" \
-H "Authorization: Bearer your-token" \
-d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"analyze_image","arguments":{"base64":"iVBORw...","prompt":"描述"}}}'
安全建议
部署到公网时:
- 务必设置
auth_token,防止未授权访问 - 通过 Nginx/Caddy 反向代理添加 HTTPS
- 容器绑定到
127.0.0.1:8080,仅允许反代访问 - 使用防火墙限制访问来源 IP
许可证
MIT