0 eye-vision-mcp👁️

给任何纯文本LLM视觉的力量-立即。

大多数有影响力的法学硕士都是盲人。他们可以推理、写作和编码——但给他们看一幅图像，他们就会迷失。 0 eye-vision-mcp 是一个MCP服务器，弥补了这一差距。删除图像路径，返回丰富的自然语言描述，并将其输入到正在构建的任何文本模型中。

它是如何工作的

1. 向该工具传递一个映像文件路径+一个提示符
2. 服务器读取映像并将其编码为base64
3. 它将编码发送到OpenRouter的视觉API（由Gemini， GPT-4V等提供支持）
4. OpenRouter返回一个详细的描述
5. 您的纯文本LLM现在通过该描述“看到”图像

Your App → MCP Tool → base64 encoder → OpenRouter Vision API → description → Your LLM

用例

🤖增强纯文本模型 运行GPT-3.5, LLaMA 3, Mistral, Mixtral, Phi-2， DeepSeek或BLOOM？这些人都不了解图像本身。使用0eye-vision-MCP给他们眼睛。

🧪快速成型 测试一个定制的LLM管道，需要视觉能力而不需要再培训？把这个MCP服务器放进去，几分钟内就能看到。

️自动图像分析管道 把它指向屏幕截图、产品照片、图表或文档——获得结构化的描述，你可以向下游提供。

🔍辅助工具 构建为视障用户描述图像的工具，由您选择的任何LLM提供支持。

📊文档理解 输入图表、表格或仪表板的屏幕截图，让LLM对可视化数据进行推理。

支持的纯文本模型（示例）

• GPT-3.5 Turbo / GPT-3（达芬奇）
• LLaMA 2 / LLaMA 3（基础）
• Mistral 7B / midtral 8x7B
• 布鲁姆，Phi-2，杰玛（纯文本）
• DeepSeek LLM

先决条件

• node . js 18 +
• 一个 OpenRouter 具有访问视觉模型的API密钥

设置

git clone https://github.com/swarn007-byte/0eye-vision-MCP.git
cd 0eye-vision-MCP
npm install

创建您的 .env 文件:

cp .env.example .env

编辑 .env：

OPENROUTER_API_KEY=sk-or-v1-...
OPENROUTER_MODEL=google/gemini-2.0-flash-lite:free

构建:

npm run build

MCP客户端配置

将此添加到您的MCP主机配置（Claude Desktop， OpenCode等）：

{
  "mcpServers": {
    "0eye-vision": {
      "command": "node",
      "args": ["/absolute/path/to/0eye-vision-MCP/dist/index.js"],
      "env": {
        "OPENROUTER_API_KEY": "sk-or-v1-...",
        "OPENROUTER_MODEL": "google/gemini-2.0-flash-lite:free"
      }
    }
  }
}

工具

NoEyeVision

使用视觉模型分析任何图像并获得自然语言描述。

例子:

{
  "prompt": "describe what is happening in this image in detail",
  "image_file": "/Users/you/screenshots/dashboard.png"
}

用MCP检验员进行测试

npx @modelcontextprotocol/inspector node dist/index.js

打开浏览器，连接并运行 NoEyeVision 直接的工具。

项目结构

src/
├── index.ts          # MCP server entry point, tool registration
├── openRouter.ts     # OpenRouter API client
└── base64converter.ts # Image file → base64 encoder

许可证

麻省理工学院