Каталог MCP
tan-yong-sheng/ai-vision-mcp

tan-yong-sheng/ai-vision-mcp

MCP-сервер для ИИ-анализа изображений и видео через Google Gemini и Vertex AI. Поддерживает детекцию объектов, дизайн-аудит с WCAG-проверкой, сравнение снимков и анализ YouTube-роликов. Пригодится ...

README

4 инструмента

Версии

Установить сервер

AI Vision MCP Server

A powerful Model Context Protocol (MCP) server that provides AI-powered image and video analysis using Google Gemini and Vertex AI models.

Features

Dual Provider Support: Choose between Google Gemini API and Vertex AI
Multimodal Analysis: Support for both image and video content analysis
Flexible File Handling: Upload via multiple methods (URLs, local files, base64)
Storage Integration: Built-in Google Cloud Storage support
Comprehensive Validation: Zod-based data validation throughout
Error Handling: Robust error handling with retry logic and circuit breakers
TypeScript: Full TypeScript support with strict type checking

Quick Start

Pre-requisites

You could choose either to use google provider or vertex_ai provider. For simplicity, google provider is recommended.

Below are the environment variables you need to set based on your selected provider. (Note: It’s recommended to set the timeout configuration to more than 5 minutes for your MCP client).

(i) Using Google AI Studio Provider

Инструменты были проиндексированы: 11.09.2026

analyze_image

Анализирует изображение с помощью AI-моделей компьютерного зрения. Поддерживает URL, данные в base64 и локальные пути к файлам.

Анализировать изображение

Параметры

imageSourcestringобязательный
Image source - can be a URL, base64 data (data:image/...), or local file path
modeenum
Analysis mode: general (default), palette (extract design tokens), hierarchy (analyze visual hierarchy), components (catalog UI components)
optionsobject
promptstringобязательный
The prompt describing how you want to compare the images. If the task is front-end or UI comparison, the prompt you provide must be: "Compare the given screenshots and describe differences in layout structure, component arrangement, color scheme, typography, and visual hierarchy. Pay attention to common sections such as the navbar, header, footer, and main content areas to identify style or layout inconsistencies." + your additional requirements. For other tasks, the prompt you provide must clearly describe what to compare, identify, or analyze between the images.

analyze_video

Анализирует видео с помощью AI-моделей компьютерного зрения. Поддерживает URL и локальные пути к файлам.

Анализировать видео

Параметры

optionsobject
promptstringобязательный
The prompt describing what you want to know about the video.
videoSourcestringобязательный
Video source - can be a URL or local file path

compare_images

Сравнивает несколько изображений с помощью AI-моделей компьютерного зрения. Поддерживает URL-адреса, данные в формате base64 и локальные пути к файлам.

Сравнить изображения

Параметры

imageSourcesstring[]обязательный
Array of image sources (URLs, base64 data, or file paths) - minimum 2 images. Maximum determined by MAX_IMAGES_FOR_COMPARISON environment variable (default: 4)
optionsobject
promptstringобязательный
The prompt describing how you want to compare the images. If the task is front-end or UI consistency, the prompt you provide must specify what to evaluate — such as layout alignment, component structure, spacing, typography, color consistency, and visual hierarchy. Pay special attention to shared sections like the navbar, header, footer, and main content areas to identify layout shifts or inconsistent styles between versions. For other tasks, the prompt you provide must clearly describe what aspects to compare or analyze — such as visual differences, content changes, design variations, or quality degradation.

detect_objects_in_image

Обнаруживает объекты на изображении с помощью AI-моделей компьютерного зрения и создаёт размеченные изображения с ограничивающими рамками. Поддерживает URL, данные в base64 и локальные пути к файлам. Обработка файлов: явно указанный filePath → точный путь, иначе → временная директория. Использует оптимизированные параметры по умолчанию для обнаружения объектов.

Обнаружить объекты на изображении

Параметры

imageSourcestringобязательный
Image source - can be a URL, base64 data (data:image/...), or local file path
outputFilePathstring
Optional explicit output path for the annotated image. If provided, the image is saved to this exact path. Relative paths are resolved against the MCP server's current working directory.
promptstringобязательный
Text prompt describing what to detect or recognize in the image. Avoid including any instructions about output structure or formatting — these are automatically managed by the workflow.
viewportHeightnumber
Optional logical viewport height (for web screenshots). Used to distinguish between actual image dimensions and logical viewport size.
viewportWidthnumber
Optional logical viewport width (for web screenshots). Used to distinguish between actual image dimensions and logical viewport size.

Github Сайт сервера

Конфиг для установки сервера

{
  "command": "npx",
  "args": [
    "ai-vision-mcp"
  ],
  "env": {
    "IMAGE_PROVIDER": "google",
    "VIDEO_PROVIDER": "google",
    "GEMINI_API_KEY": "your-gemini-api-key"
  }
}

Нужен npx

Сервер запускается через npx
Без него ничего работать не будет.

Как установить npx

FAQ

Для чего этот сервер?

Этот MCP-сервер даёт ИИ-ассистентам возможность смотреть и понимать изображения и видео. Вместо того чтобы просто читать текст, Claude или другой клиент может проанализировать картинку по ссылке, сравнить несколько скриншотов или найти объекты на фото. Разработчикам это помогает автоматизировать визуальный контроль, дизайн-ревью или обработку контента без переключения между инструментами.

Что он умеет?

Сервер анализирует изображения по запросу: описывает содержание, извлекает дизайн-токены (цвета, отступы, типографику), оценивает визуальную иерархию и каталогизирует UI-компоненты. Сравнивает от двух до четырёх картинок, отвечает на вопросы про их различия. Находит объекты на изображении, рисует bounding boxes и сохраняет размеченное фото. Также разбирает видео по URL или локальному пути. Поддерживает загрузку файлов через URL, base64 и локальные пути.

Информация о сервере

Номер в рейтинге: #191
Звезд на Github: 78
Форков на Github: 16
Загрузок: 3 392
Язык реализации: TypeScript
Лицензия: MIT
Официальный сервер: Нет
Дата обновления данных: 06.09 в 00:06
Идентификатор: SZhqUYEEBF5YUgzM
Категории: Визуализация данных, ИИ и машинное обучение, Инструменты дизайна, Обработка изображений и видео, Обработка мультимедиа, Тестирование и QA

Похожие MCP-сервера

botmonster/image2svg-mcp

MCP-сервер для конвертации растровых изображений в SVG. Работает с PNG, JPG, WEBP, принимает base64 или URL, даёт полный контроль над параметрами векторизации. Идеален для автоматизации дизайна и п...

MKirovBG/scribefy-mcp

Сервер Scribefy для MCP — извлекает транскрипты YouTube по ссылке прямо в Claude Desktop, Cursor, Windsurf и других AI-клиентах. Также бесплатно ищет видео, получает метаданные и похожие ролики.

strato-space/media-gen-mcp

Строго типизированный MCP сервер для генерации изображений (OpenAI gpt-image) и видео (Sora, Veo). Поддерживает редактирование, загрузку с URL и диска, сжатие. Интегрируется с любыми MCP-клиентами.

Adityaaery20/media-mcp

MCP-сервер для обработки изображений и видео без ключей и конфигурации. Позволяет изменять размер, конвертировать форматы и сжимать файлы. Также доступны обрезка, фильтры и анализ. Видео требует ff...

kenneives/design-token-bridge-mcp

MCP сервер для трансляции дизайн-токенов: извлекает из Tailwind, CSS, Figma или W3C DTCG и генерирует темы под Kotlin, SwiftUI, Tailwind и CSS-переменные. Полезен разработчикам и дизайнерам в пайплайне v0 → Figma → Claude Code.

albertnahas/icogenie-mcp

MCP сервер @icogenie/mcp дает AI-агентам генерировать SVG-иконки по тексту. Помогает разработчикам быстро создавать иконки для интерфейсов в Claude. Поддерживает пакетную работу, библиотеку и ежедневные кредиты.