适合谁
- 需要视觉调试功能的 AI 编码代理
- 需要自动化截图和视觉分析的开发人员
- 对内容生成（图像、视频、音乐、语音）感兴趣的用户
- 需要高级推理能力的用户
H
46FMRS · D
Human MCP 是一个功能丰富的 MCP 服务器，提供了广泛的类似人类能力。它结构良好，并支持多种提供商，使其灵活。然而，它并非官方，需要外部 API 密钥，且可能不适用于仅文本工作流。
Human MCP 是一个全面的 Model Context Protocol 服务器，为 AI 编码代理提供类似人类的能力，包括视觉分析、文档处理、语音生成、内容创建、图像编辑、浏览器自动化和高级推理。它支持多种 AI 提供商（Google Gemini、Minimax、ZhipuAI、ElevenLabs），并提供 29 个工具，分为四类：眼睛（视觉）、手（内容生成）、嘴巴（语音）和大脑（推理）。该服务器通过 npx 安装，需要 API 密钥进行配置。
工具能力
eyes_analyze
分析图像、视频和 GIF 中的 UI 错误、问题和无障碍性
eyes_compare
比较两张图像以发现视觉差异
eyes_read_document
从 PDF、DOCX、XLSX、PPTX 等文档中提取文本和数据
eyes_summarize_document
生成文档摘要和见解
gemini_gen_image
使用 Imagen API 从文本生成图像
gemini_gen_video
使用 Veo 3.0 从文本生成视频
gemini_image_to_video
将图像动画化为视频
minimax_gen_music
使用 Minimax Music 2.5 生成带人声的音乐
elevenlabs_gen_music
使用 ElevenLabs 音乐 API 生成音乐
elevenlabs_gen_sfx
从文本描述生成音效
gemini_edit_image
使用 Gemini 进行全面的 AI 图像编辑（修复、扩展、风格迁移等）
gemini_inpaint_image
在不使用蒙版的情况下添加或修改图像区域
gemini_outpaint_image
扩展图像边界
gemini_style_transfer_image
将艺术风格应用于图像
gemini_compose_images
组合多张图像
jimp_crop_image
裁剪图像（支持手动、居中等多种模式）
jimp_resize_image
调整图像大小，支持多种算法
jimp_rotate_image
旋转图像
jimp_mask_image
应用灰度蒙版
rmbg_remove_background
AI 背景移除，支持三种质量级别
playwright_screenshot_fullpage
捕获完整网页截图，包括滚动内容
playwright_screenshot_viewport
捕获当前视口截图
playwright_screenshot_element
捕获特定元素的截图
mouth_speak
将文本转换为语音，支持 30+ 语音和 24 种语言
mouth_narrate
长篇内容叙述，支持章节拆分
mouth_explain
生成带有技术分析的代码口头解释
mouth_customize
测试和比较不同的语音和风格
mcp__reasoning__sequentialthinking
本地顺序思考，支持思维修订
brain_analyze_simple
基于模式的快速分析（问题解决、根本原因、SWOT 等）
brain_patterns_info
列出可用的推理模式和框架
brain_reflect_enhanced
AI 驱动的元认知反思，用于复杂分析
安装接入
- 在 Google AI Studio 获取 Google Gemini API 密钥。
- 通过 echo 'export GOOGLE_GEMINI_API_KEY="your_api_key"' >> ~/.zshrc 设置环境变量，或直接在客户端配置中提供。
- 对于 Claude Desktop，编辑配置文件（macOS: ~/Library/Application Support/Claude/claude_desktop_config.json）添加 mcpServers 条目，使用 npx 命令。
- 对于 Claude Code，使用
claude mcp add --scope user human-mcp npx @goonnguyen/human-mcp --env GOOGLE_GEMINI_API_KEY=your_key。 - 有关其他客户端，请参阅 README 中的具体配置。
claude_desktop_config.json
{
"mcpServers": {
"human-mcp": {
"command": "npx",
"args": [
"@goonnguyen/human-mcp"
],
"env": {
"GOOGLE_GEMINI_API_KEY": "your_gemini_api_key_here"
}
}
}
}
选型与风险
不适合谁
- 只需要文本功能的用户（过度设计）
- 在没有 API 密钥的情况下寻求完全本地解决方案的用户（依赖外部 AI 提供商）
- 需要音频处理的用户（耳朵尚未实现）
所需权限
- 需要 Google Gemini API 密钥（必需）
- 可选 API 密钥：Minimax、ZhipuAI、ElevenLabs
- 可选 Cloudflare R2 凭证用于 HTTP 传输文件上传
- 网络访问外部 AI 服务
- 本地文件访问以读取输入文件
风险与副作用
- API 密钥泄露：密钥存储在配置中，可能被意外共享
- 成本：生成式 AI 使用可能产生费用，尤其是在生产环境中
- 数据隐私：文件可能被上传到第三方服务（Cloudflare R2）进行处理
- 依赖外部服务：依赖 Google、Minimax 等服务的可用性
- 配置错误：API 密钥无效或网络问题导致失败
常见排障
- 连接失败：检查 Node.js/npm 或 Bun 是否安装，验证 API 密钥，检查网络连接
- 工具未找到：重启 MCP 客户端，检查服务器日志
- API 错误：验证 API 密钥，检查配额，审查网络
- 权限错误：检查 npm 全局安装权限，使用 npx
- Vertex AI 认证：验证 GCP 项目 ID、ADC 状态和 IAM 角色
使用场景
调试 UI 问题：分析截图以找到布局问题
错误调查：分析屏幕录制以检测错误
无障碍审计：检查 UI 的无障碍合规性
图像生成用于设计原型
视频生成用于营销材料
代码解释音频：为代码审查生成口头解释
文档叙述：将技术文档转换为音频
高级问题解决：使用多步骤推理分析复杂技术问题
自动网页截图用于文档和测试
支持客户端
Claude Desktop完整支持
Claude Code完整支持
OpenCode完整支持
Cline完整支持
Cursor完整支持
Windsurf完整支持