hahahahanb/mcp-vision

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。原文を見る

26 stars 5 forks 品質 72 トレンド 25

Claudeコード+DeepSeekなどの純粋なテキストモデルは、スクリーンショット、UIデザイン、手描き図、ドキュメントスキャン、モデルはすべて「見えない」であり、モデルはmcpビジョンを介して目視している画像のコンテンツを理解することはできません。

概要

MCPの特長 Server は、IA プログラミングツールの Claude コード、Codex CLI および OpenCode の画像認識機能を完成させます。 Claudeコードは、DeepSeekと他の組み合わせて、**はスクリーンショット、UIデザイン、手描き図、ドキュメントスキャン、モデル内のエラーがすべて「見えない」であることを理解できません。 MCP Server プラグインとして実行し、Multimodular Visual API を呼び出して、画像解析を完了し、結果をテキストで AI プログラミングツールに返し、DeepSeek やその他「画像へのトーク」をします。すべてのツールのイメージパラメータは、単一**または**をサポートし、複数のパス/ URLの一覧を順次サポートします。 MultimodularProviderは1つの要求で複数の映像を扱います;精密OCRは1つによって従来のOCRサービスを呼び出し、写真によって戻ります。百度または OCRProvider の伝統を構成するときに複数の文字の入力のために精密なocrを使用して下さい。写真の数、その形式、および合計リクエストボディのサイズは、選択したサービスとモデルの制限を満たす必要があります。 API キーが実行できるだけです。会員登録は無料です。 MCP OCR PROVIDER環境変数、デフォルトシリコンフローを介して切り替えます。シリコンフロー以外のプロバイダは、対応するモデル環境変数(DASHSCOPE MODEL, OPENAI MODELなど)の追加設定が必要です。

概要（AI 翻訳）

MCPの特長 Server は、IA プログラミングツールの Claude コード、Codex CLI および OpenCode の画像認識機能を完成させます。

問題の解決

DeepSeek et al と組み合わせて、Claude コード。** 純粋なテキストモデル、** は、スクリーンショット、UI デザイン、手描き図、ドキュメントスキャン、モデル内のエラーがすべて “見えない” であることを理解できませんでした。

mcp-vision は MCP Server プラグインとして実行され、マルチモーラビジュアル API を呼び出して、画像解析を完了し、結果を AI プログラミングツールに返し、DeepSeek et al を実行します。「イメージを話す」

ツールの説明

| ツール | 用途 | ボトム | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | | [T0] 画像コンテンツ分析(説明、質問、回答、グラフィック解釈) [[T1] | 写真・PDFからテキスト抽出(自然言語での転帰) [T2] | 精密 OCR(座標と自信の構成結果)

[[[T3] すべてのツールのパラメーターは、単一のローカルファイルパスまたはリモートURLをサポートし、複数のパス/ URLの一覧を順次サポートします。 MultimodularProviderは1つの要求で複数の映像を扱います;精密OCRは1つによって従来のOCRサービスを呼び出し、写真によって戻ります。

百度またはOCRProviderの伝統を構成するときに複数の文字入力の[T4]を使用します。写真の数、その形式、および合計リクエストボディのサイズは、選択したサービスとモデルの制限を満たす必要があります。

クイックスタート

インストール

または紫外線:

#一番シンプルな設定 #

API キーが実行できるだけです。会員登録は無料です。

AIプログラミングツールの設定

クロードコード

[~/.claude/settings.json:

コーデックス CLI

[~/.codex/config.toml:

カーソル

[.cursor/mcp.json:

オープンコード

[opencode.json:

サポートされているプロバイダ

[MCP_OCR_PROVIDER 環境変数をデフォルト[siliconflow]で切り替えます。

# # 多角 LLM (写真解析/OCR抽出)

このページは AI により自動翻訳されています。技術的な詳細は原文をご確認ください。

インストール

uvx mcp-vision

MCP 初心者？mcpskill.org のガイドから始めましょう →

設定

{
  "mcpServers": {
    "mcp-vision": {
      "command": "uvx",
      "args": ["mcp-vision"],
      "env": {
        "SILICONFLOW_API_KEY": "sk-your-key"
      }
    }
  }
}

hahahahanb/mcp-vision

概要

概要（AI 翻訳）

問題の解決

ツールの説明

クイックスタート

インストール

クロード コード

コーデックス CLI

カーソル

オープンコード

# # 多角 LLM (写真解析/OCR抽出)

インストール

設定

クロードコード