适合谁
- 开发者构建多模态 AI 应用，需要集成目标检测和图像理解能力。
- 需要精确目标定位和属性推理的视觉 QA 任务。
- 需要快速部署本地或云端视觉感知服务的场景。
D
54FMRS · D
DINO-X MCP 服务器是一个功能丰富、官方维护的目标检测服务器，提供多种工具和灵活的部署方式。它适合开发者快速集成视觉感知能力，但需要注意 API 密钥安全和数据隐私。
DINO-X MCP 服务器是官方提供的 Model Context Protocol (MCP) 服务器，通过 DINO-X 和 Grounding DINO 模型，为大型语言模型提供真实的视觉感知能力。它支持图像目标检测、定位和描述等功能，能够输出结构化的目标类别、数量、位置和属性，可用于视觉问答和多步推理任务。该服务器支持 STDIO 和 Streamable HTTP 两种传输模式，提供全场景目标检测、文本提示目标检测、人体姿态估计和可视化等工具。
工具能力
detect-all-objects
检测图像中的所有目标，输出类别、边界框和可选描述。
detect-objects-by-text
根据英文名词提示检测目标，支持点号分隔多个类别，输出边界框和可选描述。
detect-human-pose-keypoints
估计图像中的人体姿态，输出 17 个关键点和边界框，可选描述。
visualize-detection-result
在图像上绘制检测结果，并保存注释后的图像到本地（仅 STDIO 模式）。
安装接入
- 确保已安装 Node.js（推荐 LTS 版本）。
- 在 DINO-X 平台申请 API 密钥。
- 根据您的需求选择配置方式：
- 官方托管 HTTP 模式：在 MCP 客户端配置中添加 URL，例如 https://mcp.deepdataspace.com/mcp?key=your-api-key。
- 使用 npm 包本地运行（STDIO）：在 MCP 客户端配置中添加 npx 命令，并设置 DINOX_API_KEY 环境变量。
- 从源码运行：克隆仓库，安装依赖，构建，然后使用 node 命令运行。
选型与风险
不适合谁
- 需要处理视频流的场景（目前仅支持静态图片）。
- 需要离线运行的场景（需要 API 密钥和网络连接）。
- 对隐私要求极高，无法将图像发送到外部 API 的用户。
所需权限
- 需要访问远程 API 的权限（发送图像到 DINO-X 云平台）。
- 在 STDIO 模式下，可能需要本地文件系统写入权限以保存注释图像。
风险与副作用
- API 密钥泄露风险：请妥善保管您的 API 密钥，避免在公开代码库中暴露。
- 数据隐私风险：图像将发送到 DINO-X 平台进行处理，请确保符合您的数据合规要求。
- 依赖外部服务：服务器依赖 DINO-X 云平台，网络故障或服务中断可能导致服务不可用。
常见排障
- 如果无法连接，请检查 API 密钥是否正确，以及网络是否能访问 DINO-X 平台。
- 如果图像无法处理，请确认图像格式为 jpg、jpeg、webp 或 png，且是有效的 URL 或本地文件。
- 如果在 STDIO 模式下无法保存注释图像，请检查 `IMAGE_STORAGE_DIRECTORY` 环境变量是否设置且有写入权限。
- 如果使用 HTTP 模式，请确认端口是否被占用，并检查防火墙设置。
使用场景
森林火灾区域的检测与可视化
仓库中纸箱的数量统计
在图像中查找所有红色汽车
识别图像中最高的行人并描述其穿着
全场景目标检测，如查找维生素 C 含量最高的水果
瑜伽姿势分析
支持客户端
暂未确认支持的客户端。