MCP-VISION

为 Claude Code、Codex CLI、OpenCode 等 AI 编程工具补齐图像识别能力的 MCP Server。

解决什么问题

Claude Code 配合 DeepSeek 等纯文本模型使用时，无法理解图片内容——截图里的报错、UI 设计稿、手绘架构图、文档扫描件，模型统统"看不见"。

mcp-vision 作为 MCP Server 插件运行，自动调用多模态视觉 API 完成图像分析，将结果以文本形式返回给 AI 编程工具，让 DeepSeek 等"看图说话"。

┌─────────────┐     图片路径/URL      ┌─────────────┐    多模态 API     ┌──────────────┐
│  AI 编程工具  │ ──────────────────→  │ mcp-vision  │ ──────────────→  │  视觉模型 API  │
│ Claude Code  │                      │  MCP Server  │                  │ 硅基流动/阿里.. │
│  Codex CLI   │ ←──────────────────  │             │ ←──────────────  │              │
│   OpenCode   │     文字分析结果      │             │     图片分析结果   │              │
└─────────────┘                      └─────────────┘                  └──────────────┘

工具说明

工具	用途	底层
analyze_image	图片内容分析（描述、问答、图表解读）	多模态 LLM
ocr_extract	从图片/PDF 提取文字（自然语言返回）	多模态 LLM
ocr_precise	精准 OCR（结构化结果，含坐标和置信度）	传统 OCR 引擎

所有工具均支持本地文件路径和远程 URL。

快速开始

安装

pip install mcp-vision

或使用 uv：

uv pip install mcp-vision

最简配置

只需一个 API Key 即可运行。推荐使用硅基流动（SiliconFlow），注册即送免费额度：

# 注册地址：https://cloud.siliconflow.cn
SILICONFLOW_API_KEY=sk-your-key

配置 AI 编程工具

Claude Code

~/.claude/settings.json：

{
  "mcpServers": {
    "mcp-vision": {
      "command": "uvx",
      "args": ["mcp-vision"],
      "env": {
        "SILICONFLOW_API_KEY": "sk-your-key"
      }
    }
  }
}

Codex CLI

~/.codex/config.toml：

[mcp_servers.mcp-vision]
command = "uvx"
args = ["mcp-ocr"]

[mcp_servers.mcp-vision.env]
SILICONFLOW_API_KEY = "sk-your-key"

Cursor

.cursor/mcp.json：

{
  "mcpServers": {
    "mcp-vision": {
      "command": "uvx",
      "args": ["mcp-vision"],
      "env": {
        "SILICONFLOW_API_KEY": "sk-your-key"
      }
    }
  }
}

OpenCode

opencode.json：

{
  "mcp": {
    "mcp-vision": {
      "type": "local",
      "command": ["uvx", "mcp-vision"],
      "environment": {
        "SILICONFLOW_API_KEY": "sk-your-key"
      }
    }
  }
}

支持的 Provider

通过 MCP_OCR_PROVIDER 环境变量切换，默认 siliconflow。

多模态 LLM（图片分析 / OCR 提取）

Provider	值	API Key 环境变量	默认模型
硅基流动（默认）	siliconflow	SILICONFLOW_API_KEY	DeepSeek-OCR
阿里百炼	dashscope	DASHSCOPE_API_KEY	qwen-vl-max
火山引擎	volcengine	VOLCENGINE_API_KEY	doubao-1.5-vision-pro-32k
OpenAI	openai	OPENAI_API_KEY	gpt-4o
Anthropic	anthropic	ANTHROPIC_API_KEY	claude-sonnet-4-6
自定义 API	custom	MCP_OCR_API_KEY	需手动指定

硅基流动以外的 Provider 需额外设置对应的模型环境变量（如 DASHSCOPE_MODEL、OPENAI_MODEL）。

切换视觉模型

每个 Provider 都有内置默认模型，通过对应的 *_MODEL 环境变量可以覆盖：

Provider	模型环境变量	默认值
硅基流动	SILICONFLOW_MODEL	deepseek-ai/DeepSeek-OCR
阿里百炼	DASHSCOPE_MODEL	qwen-vl-max
火山引擎	VOLCENGINE_MODEL	doubao-1.5-vision-pro-32k
OpenAI	OPENAI_MODEL	gpt-4o
Anthropic	ANTHROPIC_MODEL	claude-sonnet-4-6

以硅基流动为例，在 .env 或环境变量中指定：

MCP_OCR_PROVIDER=siliconflow
SILICONFLOW_API_KEY=sk-your-key
SILICONFLOW_MODEL=deepseek-ai/DeepSeek-OCR

在 AI 编程工具的 env 配置中直接指定：