← 返回目录

DINO-X MCP Server

官方

基于 DINO-X 的官方 MCP 服务器，为多模态应用提供精细的目标检测与图像理解能力。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他
Stars: ★ 111 热门
传输方式: stdio（本地进程） · Streamable HTTP
运行环境: Node.js · 远程托管（无需本地环境）
凭据: 需要 API Key / 凭据
许可证: Apache-2.0
最近提交: 11 个月前 ⚠
工具数: 4

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。

最强项 · 文档质量 13/20 最弱项 · 可靠性 8/20

可靠性

8/20

安全与权限

10/20

维护活跃度

11/20

文档质量

13/20

安装易用性

12/20

查看各项评分依据

可靠性 8/20: 源代码显示了完整的TypeScript实现，包括工具定义和HTTP/STDIO传输，以及构建脚本。虽然存在测试，但覆盖范围有限（仅单元测试，无集成测试），CI工作流未配置，因此可靠性得分不高。
安全与权限 10/20: API密钥通过环境变量或命令行参数提供，支持可选的认证令牌。未发现恶意代码或数据外泄的证据，但缺乏对密钥处理的详细文档和权限最小化的明确说明。
维护活跃度 11/20: 仓库近期有提交，有明确的许可证（Apache-2.0），并且有版本发布。但是，未发现安全响应渠道，且问题跟踪和依赖更新的细节有限。
文档质量 13/20: README提供了详细的安装、配置、工具说明和使用案例，但缺少参数说明、限制和故障排除部分。文档是有效的，但深度不足。
安装易用性 12/20: 提供了通过npm和源码安装的清晰说明，并给出了主流客户端的配置示例。但需要手动获取API密钥，且未提供自动化的安装脚本或详细的平台兼容性说明。

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

能访问什么写入 / 删除本地文件访问网络

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。

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。

安装接入

准备工作

运行环境：Node.js · 远程托管（无需本地环境）

DINOX_API_KEY 必填密钥 DINO-X 平台的 API 密钥，在 https://cloud.deepdataspace.com/request_api 申请，新用户有免费额度。

AUTH_TOKEN 可选密钥可选，仅 HTTP 模式下设置后客户端必须携带 Authorization: Bearer <token> 才能访问。

其他可选配置项（1 个）

IMAGE_STORAGE_DIRECTORY 可选可选，仅 STDIO 模式下用于保存标注后的图片的本地目录。

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。

验证是否装好

在 MCP 客户端中查看工具列表是否出现 detect-all-objects、detect-objects-by-text、detect-human-pose-keypoints 和 visualize-detection-result；也可以发送一条类似“检测这张图片中的所有物体”的请求，能返回类别和边界框即说明配置成功。

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。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

检测这张图片中的所有物体并给出它们的位置
找出图中所有的 person.car 并标注边界框
分析这张图片中人物的姿态关键点
把刚才的检测结果可视化并保存标注图片

工具能力 4

detect-all-objects 只读

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 只读

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 只读

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 写入

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）。

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

详细介绍

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。