DeepSeek Vision MCP Server

将 DeepSeek 网页版 (chat.deepseek.com) 的原生多模态识图能力包装为 MCP Server。

不是 OCR！是真·多模态视觉理解模型。 支持识别人物、物体、场景、颜色、文字等。

前置条件

1. Python 3.11+
2. DeepSeek 账号 (chat.deepseek.com)

获取 Token

1. 在 Chrome/Edge 中打开 chat.deepseek.com 并登录
2. F12 → Application → Local Storage → chat.deepseek.com
3. 找到 userToken 键，复制值 JSON.parse(value).value

安装

# 克隆
git clone https://github.com/lmtttt/deepseek-vision-mcp.git
cd deepseek-vision-mcp

# 安装依赖
pip install curl-cffi==0.8.1b9 httpx mcp Pillow wasmtime numpy anyio

# 或者用 uv
uv sync

配置

设置环境变量启动：

export DEEPSEEK_USER_TOKEN="your_token_here"
export DEEPSEEK_SMIDV2="smidV2_cookie_value"  # 可选，提升稳定性

python -m deepseek_vision_mcp

环境变量

OpenClaw 集成

openclaw mcp set deepseek-vision '{
  "command": "python3",
  "args": ["-m", "deepseek_vision_mcp"],
  "env": {
    "DEEPSEEK_USER_TOKEN": "your_token_here",
    "PYTHONPATH": "/path/to/deepseek-vision-mcp/src"
  },
  "cwd": "/path/to/deepseek-vision-mcp"
}'

Claude Desktop 集成

{
  "mcpServers": {
    "deepseek-vision": {
      "command": "python",
      "args": ["-m", "deepseek_vision_mcp"],
      "env": {
        "DEEPSEEK_USER_TOKEN": "your_token_here"
      }
    }
  }
}

使用

启动后，MCP 客户端可调用以下工具：

deepseek_vision

分析图片内容。

参数：

• image (必填): 本地图片路径
• prompt (可选): 提问内容 (默认: “请详细描述这张图片中的内容”)
• thinking (可选): 启用 DeepThink 推理 (默认: false)

示例：

deepseek_vision(image="/path/to/photo.jpg")
deepseek_vision(image="/path/to/photo.jpg", prompt="这张图片里有什么人？什么物体？")

deepseek_vision_status

检查认证和运行状态。

项目结构

deepseek-vision-mcp/
├── pyproject.toml
├── README.md
└── src/
    └── deepseek_vision_mcp/
        ├── __init__.py     # 版本号
        ├── __main__.py     # python -m 入口
        ├── server.py       # MCP Server 主逻辑 + Vision 流水线
        ├── config.py       # 配置管理 (从环境变量加载)
        ├── auth.py         # Token 认证管理
        ├── hif_auth.py     # HIF 签名 token 获取
        ├── pow.py          # PoW 挑战求解器 (WASM)
        ├── upload.py       # 文件上传 + 状态轮询
        ├── models.py       # 数据模型
        └── wasm/           # PoW WASM 模块

技术实现

完整的 Vision 调用流程：

1. POST /api/v0/file/upload_file         → 上传图片，获取 file_id (OCR处理)
2. POST /api/v0/file/fork_file_task      → Fork 到 vision 模型 (真正的图像处理)
3. GET  hif-leim.deepseek.com/query       → 获取 leim 签名 token
4. GET  hif-dliq.deepseek.com/query       → 获取 dliq 签名 token
5. POST /api/v0/chat/completion           → Vision 模型分析 (需要 curl_cffi TLS指纹)

License

MIT