← 返回目录

AI Vision MCP Server

社区

基于 Gemini 和 Vertex AI 的图像与视频分析 MCP 服务器

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 42 / 230
Stars: ★ 80 热门
传输方式: stdio（本地进程）
运行环境: Node.js 18+
凭据: 需要 API Key / 凭据
许可证: MIT
最近提交: 6 个月前 ⚠
工具数: 5

64FMRS · C

AI Vision MCP 服务器提供全面的图像和视频分析工具，支持多种提供商和文件来源，设计用于 MCP 生态。其优势在于灵活性、验证和错误处理，但需要配置外部 API 密钥，并注意数据隐私和成本。

最强项 · 文档质量 15/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

14/20

维护活跃度

12/20

文档质量

15/20

安装易用性

13/20

查看各项评分依据

可靠性 10/20: 证据：源码包含完善的TypeScript项目结构（src目录下由providers、services、storage等模块组成），工具声明齐全（analyze_image、compare_images、detect_objects_in_image、audit_design、analyze_video）。Zod校验和错误处理（重试、熔断）均有实现。但仓库内未发现测试文件或集成CI测试，也没有实际执行证据证明关键路径可复现。扣分：无测试证据，静态审查无法确认初始化握手和工具行为完全符合声明。
安全与权限 14/20: 证据：凭证通过环境变量传递，README示例未包含真实令牌。提供了用于表格的临时文件保存，但未检测到权限最小化或危险操作的确认机制。工具可读取本地文件、URL并上传到GCS（Vertex模式），但未明确数据流披露。未发现恶意代码或凭据窃取等红线。扣分：缺少对凭证存储、外部请求范围的明确文档，且部分操作（如文件写入、外部调用）无用户确认。
维护活跃度 12/20: 证据：仓库活跃（71星，5个issue），MIT许可证存在，README提供贡献指南和开发脚本。但未提供发布版本、依赖更新策略或安全响应渠道。扣分：维护活动证据不足，没有版本发布记录或依赖更新证明。
文档质量 15/20: 证据：README极为详尽，包含多种客户端（Claude Desktop、Claude Code、Cursor、Cline）的配置示例、环境变量指南（60+变量）、工具参数示例、故障排除章节。架构和错误处理有说明。扣分：某些限制（如视频仅支持YouTube）有提及，但成本、速率限制和完整的数据流未充分披露。
安装易用性 13/20: 证据：安装步骤清晰，支持npx和源码构建，提供了多个主流客户端的具体配置代码。README预先指出了超时配置。但仓库中无自动化测试或CI，因此无法验证“开箱即用”的真实性，且对某些平台（Windows）的路径处理有示例，但未全面覆盖。扣分：静态审查无运行证据，且无法确认所有环境变量组合均能顺利启动。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件访问网络

适合谁

需要快速集成 AI 视觉能力的开发者，尤其是使用 Google AI 生态的用户。
设计团队需要进行 UI/UX 合规性和可访问性审计。
需要自动化图像和视频分析的工作流。

不适合谁

不适用于需要离线或本地 AI 模型的场景。
不适用于非 Google 云资源（如 AWS）的集成。
对于需要复杂视频编辑或实时流处理的场景可能不适用。

所需权限

需要访问 Google AI Studio API 或 Vertex AI API 凭证。
对于本地文件分析，需要读取本地文件系统。
如果使用 Vertex AI，需要访问 Google Cloud Storage 存储桶。
对于视频分析，需访问 YouTube 或本地视频文件。

风险与副作用

API 密钥泄漏风险：环境变量中包含敏感凭证，需妥善保护。
数据隐私风险：发送到 Google 云端的图像和视频可能包含敏感信息，需确保合规。
成本风险：根据使用量可能产生 API 调用费用。
错误处理不当时可能导致超时或传输错误。

安装接入

准备工作

运行环境：Node.js 18+

IMAGE_PROVIDER 必填图像分析所用提供商，google 或 vertex_ai，必设

VIDEO_PROVIDER 必填视频分析所用提供商，google 或 vertex_ai，必设

GEMINI_API_KEY 可选密钥 Google AI Studio 的 API 密钥，使用 google 提供商时必设，可在 aistudio.google.com 获取

VERTEX_PRIVATE_KEY 可选密钥 Vertex AI 服务账号私钥（PEM 格式），使用 vertex_ai 提供商时必设

其他可选配置项（9 个）

VERTEX_CLIENT_EMAIL 可选 Vertex AI 服务账号邮箱，使用 vertex_ai 提供商时必设

VERTEX_PROJECT_ID 可选 GCP 项目 ID，使用 vertex_ai 提供商时必设

GCS_BUCKET_NAME 可选 Google Cloud Storage 存储桶名称，Vertex AI 视频上传所需

MCP_TIMEOUT 可选 MCP 启动超时（毫秒），Claude Code 建议设 60000

MCP_TOOL_TIMEOUT 可选 MCP 工具执行超时（毫秒），建议约 300000

TEMPERATURE_FOR_DETECT_OBJECTS_IN_IMAGE 可选 detect_objects_in_image 的温度参数，默认 0.0（确定性输出）

TOP_P_FOR_DETECT_OBJECTS_IN_IMAGE 可选 detect_objects_in_image 的核采样参数，默认 0.95

TOP_K_FOR_DETECT_OBJECTS_IN_IMAGE 可选 detect_objects_in_image 的候选词参数，默认 30

MAX_TOKENS_FOR_DETECT_OBJECTS_IN_IMAGE 可选 detect_objects_in_image 的最大 token 数，默认 8192

安装 Node.js 18+ 和 npm。
配置环境变量：选择 Google AI Studio 提供商（设置 IMAGE_PROVIDER=google、VIDEO_PROVIDER=google、GEMINI_API_KEY）或 Vertex AI 提供商（设置 IMAGE_PROVIDER=vertex_ai、VIDEO_PROVIDER=vertex_ai、VERTEX_CLIENT_EMAIL、VERTEX_PRIVATE_KEY、VERTEX_PROJECT_ID、GCS_BUCKET_NAME）。
在 MCP 客户端中添加服务器：对于 Claude Desktop，在配置文件中添加类似 { "mcpServers": { "ai-vision-mcp": { "command": "npx", "args": ["ai-vision-mcp"], "env": { ... } } } } 的配置。对于 Claude Code，使用命令 claude mcp add ai-vision-mcp -e ... -- npx ai-vision-mcp。对于 Cursor，在 ~/.cursor/mcp.json 中添加配置。对于 Cline，在 cline_mcp_settings.json 中添加配置。
建议增加 MCP 超时时间至 1 分钟以上，工具超时时间至 5 分钟以上。

验证是否装好

安装后在客户端工具列表中应出现 analyze_image、compare_images、detect_objects_in_image、audit_design、analyze_video 五个工具；可用 analyze_image 提问“这张图片是什么内容”验证连接。

常见排障

如果出现 'Transport closed'，请确保没有在 stdout 中输出日志，并使用 console.error 记录。
检查 imagescript 依赖是否正常：运行 npm run doctor 或 npm run check:imagescript。
确认环境变量配置正确，特别是 API 密钥和提供商选择。
增加 MCP 客户端超时设置，避免长时间分析时超时。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

分析这张图片：https://example.com/image.jpg，详细描述里面的内容
对比这两张图片，告诉我哪张光线更好
检测这张图片中的所有物体并生成带边界框的标注图
分析这个 YouTube 视频讲了什么：https://www.youtube.com/watch?v=9hE5-98ZeCg

工具能力 5

analyze_image 只读

分析图像并返回详细描述，支持多种模式（通用、调色板、层级、组件）。

compare_images 只读

比较 2 到 4 张图像，返回对比分析结果。

detect_objects_in_image 写入

检测图像中的对象并生成带边界框的注释图像，返回坐标和总结。

audit_design 只读

对 UI/UX 设计进行合规性审计，包括主色提取、边缘复杂度、WCAG 对比度检查和 AI 建议。

analyze_video 只读

分析视频并返回详细描述，支持 YouTube URL、GCS URI 或本地文件路径。

使用场景

为视觉障碍用户描述图像内容。

比较设计稿或产品截图。

自动检测图像中的对象并生成注释图像。

审计 UI 设计是否符合可访问性标准。

分析视频内容以生成摘要或提取信息。

支持客户端

Claude Desktop

Claude Code

Cursor

Cline

依据项目文档列出，未经本站实测。

详细介绍

AI Vision MCP 服务器是一个基于模型上下文协议（MCP）的服务器，利用 Google Gemini 和 Vertex AI 模型提供 AI 驱动的图像和视频分析。它支持多种文件来源（URL、本地文件、Base64），提供图像分析、图像比较、对象检测（含边界框）、UI/UX 设计审计以及视频分析。服务器采用双提供商支持（Google 和 Vertex AI），内置 Google Cloud Storage，使用 Zod 进行验证，并具有重试和熔断等错误处理机制。