vlm-mcp 0.1.0

VLM Image Understanding MCP Server - Support OpenAI protocol compatible VLMs

VLM MCP Server

支持 OpenAI 协议兼容的 VLM 图片理解 MCP Server。

功能

• extract_text_from_image: 从图片中提取文字 (OCR)
• ui_to_artifact: 将 UI 截图转换为代码、提示词、设计规格或描述
• extract_text_from_screenshot: 从截图提取文本，支持代码识别
• diagnose_error_screenshot: 分析错误截图，诊断问题原因
• understand_technical_diagram: 分析技术图表（架构图、流程图、UML等）
• analyze_data_visualization: 分析数据可视化图表
• ui_diff_check: UI 对比检测，找出视觉差异
• analyze_image: 通用图片分析

环境变量

变量名	必填	说明
VLM_API_KEY	是	API 密钥
VLM_BASE_URL	否	自定义 API 地址（默认: https://api.openai.com/v1）
VLM_MODEL	否	使用的模型（默认: gpt-4o）

快速开始

使用 uvx 运行（推荐）

# 设置环境变量
export VLM_API_KEY=your-api-key
export VLM_MODEL=gpt-4o

# 直接运行
uvx vlm-mcp

使用 pip 安装

# 安装
pip install vlm-mcp

# 或开发模式安装
pip install -e .

配置环境变量

# OpenAI
export VLM_API_KEY=sk-xxx
export VLM_MODEL=gpt-4o

# 自定义 API (如 Ollama)
export VLM_API_KEY=your-api-key
export VLM_BASE_URL=http://localhost:11434/v1
export VLM_MODEL=qwen2.5-vl

运行服务

# 直接运行
python -m vlm_mcp

# 或使用安装的命令
vlm-mcp

支持的模型

任何兼容 OpenAI Chat Completions API 的 VLM 模型：

• gpt-4o
• gpt-4o-mini
• gpt-4-turbo
• qwen2.5-vl 系列
• 及其他兼容 OpenAI API 的模型

Claude Code 配置

在 Claude Code 中配置 MCP 服务器：

{
  "mcpServers": {
    "vlm-mcp": {
      "command": "uvx",
      "args": ["vlm-mcp"],
      "env": {
        "VLM_API_KEY": "your-api-key",
        "VLM_MODEL": "gpt-4o"
      }
    }
  }
}

使用示例

在 Claude Code 中使用：

请用 extract_text_from_image 工具分析这张图片 /path/to/image.jpg，提取其中的文字。

请用 ui_to_artifact 工具将这个UI截图转换为 React 代码。