图像识别 MCP（精简 fork，只留自定义 provider + 协议选择）

让 Claude Code / Codex / OpenCode 等 AI 编程工具补齐图像识别能力。适用于主模型为纯文本（如 DeepSeek）时需要"看图"的场景。

与上游 mcp-vision 的区别：去掉了所有预设 provider，只保留自定义端点 + OpenAI/Anthropic 协议选择，并正确处理推理模型（mimo、qwen、minimax 等返回思考过程/空 content 的情况）。

工具

工具	用途
analyze_image	图片内容分析（描述、问答、图表解读）
ocr_extract	从图片/PDF 提取文字

均支持本地文件路径和远程 URL。

配置

只读环境变量，无预设 provider：

变量	必填	说明
VISION_PROTOCOL	否	openai（默认）或 anthropic
VISION_BASE_URL	是	API 根地址，如 https://opencode.ai/zen/go/v1
VISION_API_KEY	是	API Key
VISION_MODEL	是	视觉模型 ID
VISION_MAX_TOKENS	否	默认 4096。推理模型建议给足

协议规则：

• openai → 请求 {VISION_BASE_URL}/chat/completions，Authorization: Bearer
• responses → 请求 {VISION_BASE_URL}/responses（OpenAI Responses API，内容块 input_image/input_text，返回 output_text）
• anthropic → 请求 {VISION_BASE_URL}/messages，x-api-key + anthropic-version

快速开始（opencode go 为例）

本地源码运行：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "uvx",
      "args": ["--from", "E:/cc_test/mcp-vision", "vision-mcp"],
      "env": {
        "VISION_PROTOCOL": "openai",
        "VISION_BASE_URL": "https://opencode.ai/zen/go/v1",
        "VISION_API_KEY": "<go key>",
        "VISION_MODEL": "mimo-v2.5"
      }
    }
  }
}

Anthropic 协议（go 的 qwen 系，如 qwen3.7-plus）：

{
  "mcpServers": {
    "vision-mcp": {
      "command": "uvx",
      "args": ["--from", "E:/cc_test/mcp-vision", "vision-mcp"],
      "env": {
        "VISION_PROTOCOL": "anthropic",
        "VISION_BASE_URL": "https://opencode.ai/zen/go/v1",
        "VISION_API_KEY": "<go key>",
        "VISION_MODEL": "qwen3.7-plus"
      }
    }
  }
}

任何 OpenAI 兼容或 Anthropic 兼容端点均可，只需改 VISION_BASE_URL / VISION_MODEL / VISION_API_KEY。

本地开发

cd E:/cc_test/mcp-vision
uv sync
uv run vision-mcp          # 启动 stdio 服务

License

MIT