Добавить сервер
tan-yong-sheng/ai-vision-mcp
  1. Каталог MCP
  2. tan-yong-sheng/ai-vision-mcp

tan-yong-sheng/ai-vision-mcp

от tan-yong-sheng
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 ...
GithubNPMСайт сервера

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

Часто задаваемые вопросы

Инструменты были проиндексированы:
analyze_image

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

Анализировать изображение

Параметры
  • imageSourcestringобязательный

    Источник изображения - может быть URL-адресом, base64-данными (data:image/...), или локальным путём к файлу.

  • modeenum

    Режим анализа: общий (по умолчанию), палитра (извлечение design-токенов), иерархия (анализ визуальной иерархии), компоненты (каталогизация UI-компонентов)

  • optionsobject
  • promptstringобязательный

    Запрос, описывающий, как вы хотите сравнить изображения. Если задача — сравнение фронтенда или пользовательского интерфейса, запрос должен быть таким: «Сравните предоставленные скриншоты и опишите различия в структуре макета, расположении компонентов, цветовой схеме, типографике и визуальной иерархии. Обратите внимание на общие разделы, такие как навигационная панель, шапка, подвал и основные области контента, чтобы выявить несоответствия в стиле или макете». + ваши дополнительные требования. Для других задач запрос должен четко описывать, что именно нужно сравнить, выявить или проанализировать между изображениями.

analyze_video

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

Анализировать видео

Параметры
  • optionsobject
  • promptstringобязательный

    Запрос, описывающий, что вы хотите узнать о видео.

  • videoSourcestringобязательный

    Источник видео — может быть URL или локальным путём к файлу.

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

    Массив источников изображений (URL-адреса, данные base64 или пути к файлам) — минимум 2 изображения. Максимум определяется переменной окружения MAX_IMAGES_FOR_COMPARISON (по умолчанию: 4).

  • optionsobject
  • promptstringобязательный

    Подсказка, описывающая, как вы хотите сравнивать изображения. Если задача касается консистентности фронтенда или пользовательского интерфейса, подсказка должна указывать, что именно оценивать, например: выравнивание макета, структуру компонентов, отступы, типографику, согласованность цветов и визуальную иерархию. Уделите особое внимание общим разделам, таким как навигационная панель, шапка, подвал и основные области контента, чтобы выявить смещения макета или несогласованные стили между версиями. Для других задач подсказка должна чётко описывать, какие аспекты сравнивать или анализировать, например: визуальные различия, изменения контента, вариации дизайна или ухудшение качества.

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

    Источник изображения - может быть URL-адресом, base64-данными (data:image/...), или локальным путём к файлу.

  • outputFilePathstring

    Необязательный явный путь вывода для аннотированного изображения. Если указан, изображение сохраняется по этому точному пути. Относительные пути разрешаются относительно текущей рабочей директории сервера MCP.

  • promptstringобязательный

    Текстовый запрос, описывающий, что нужно обнаружить или распознать на изображении. Избегайте включения каких-либо инструкций о структуре вывода или форматировании — они автоматически управляются рабочим процессом.

  • viewportHeightnumber

    Необязательная логическая высота вьюпорта (для веб-скриншотов). Нужна, чтобы отличать реальные размеры изображения от логического размера вьюпорта.

  • viewportWidthnumber

    Необязательная логическая ширина области просмотра (для веб-скриншотов). Используется для различения фактических размеров изображения и логического размера области просмотра.

0.0.7основная
0.0.7-dev.1
0.0.6
0.0.6-dev.2
0.0.6-dev.1
0.0.5-dev.2
0.0.5-dev.1
0.0.5-dev.20260211.7addf1a
0.0.5-dev.20260211.d766dc0
0.0.5-dev.20260211.5498e54
0.0.5-dev.20260211.a510d24
0.0.5-dev.20260211.6cf3ff2
0.0.5-dev.20260211.335468b
0.0.5-dev.20260211.3638630
0.0.5-dev.20260211.411de3c
0.0.5
0.0.4-beta
0.0.4
0.0.3
0.0.2
0.0.1

Выберите клиент, чтобы установить tan-yong-sheng/ai-vision-mcp:

Любой клиент

Конфиг добавления MCP сервера стандартный, обычно он не меняется вообще, поэтому подходит практически к любому ИИ клиенту, поддерживающему MCP.

{
  "mcpServers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}
CursorCursor

Перейдите по ссылке и сервер автоматически будет добавлен в Cursor. Либо откройте/создайте файл ~/.cursor/mcp.json(%USERPROFILE%\.cursor\mcp.json на Windows) и добавьте конфиг сервера:

{
  "mcpServers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}
VS Code

Создайте .vscode/mcp.json в проекте (ключ верхнего уровня — servers):

{
  "servers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}

Либо добавьте сервер через терминал:

code --add-mcp "{\"name\":\"tan-yong-sheng-ai-vision-mcp-1op7yi7ru5\",\"type\":\"stdio\",\"command\":\"npx\",\"args\":[\"ai-vision-mcp\"],\"env\":{\"IMAGE_PROVIDER\":\"google\",\"VIDEO_PROVIDER\":\"google\",\"GEMINI_API_KEY\":\"your-gemini-api-key\"}}"
ClaudeClaude Desktop

Откройте Settings → Developer → Edit Config — это откроет файл claude_desktop_config.json:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

Впишите сервер и полностью перезапустите Claude Desktop:

{
  "mcpServers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}
Claude CodeClaude Code

Добавьте сервер одной командой в терминале:

claude mcp add tan-yong-sheng-ai-vision-mcp-1op7yi7ru5 --env IMAGE_PROVIDER=google --env VIDEO_PROVIDER=google --env GEMINI_API_KEY=your-gemini-api-key -- npx ai-vision-mcp

Либо через JSON-конфиг:

claude mcp add-json tan-yong-sheng-ai-vision-mcp-1op7yi7ru5 "{\"command\":\"npx\",\"args\":[\"ai-vision-mcp\"],\"env\":{\"IMAGE_PROVIDER\":\"google\",\"VIDEO_PROVIDER\":\"google\",\"GEMINI_API_KEY\":\"your-gemini-api-key\"}}"
CodexCodex

Добавьте сервер командой в терминале:

codex mcp add tan-yong-sheng-ai-vision-mcp-1op7yi7ru5 --env IMAGE_PROVIDER=google --env VIDEO_PROVIDER=google --env GEMINI_API_KEY=your-gemini-api-key -- npx ai-vision-mcp

Либо вручную в ~/.codex/config.toml(%USERPROFILE%\.codex\config.toml на Windows):

[mcp_servers.tan-yong-sheng-ai-vision-mcp-1op7yi7ru5]
command = "npx"
args = ["ai-vision-mcp"]

[mcp_servers.tan-yong-sheng-ai-vision-mcp-1op7yi7ru5.env]
IMAGE_PROVIDER = "google"
VIDEO_PROVIDER = "google"
GEMINI_API_KEY = "your-gemini-api-key"
PerplexityPerplexity

MCP доступен подписчикам Perplexity Pro / Max / Enterprise. Локальные серверы — только в приложении для macOS.

  1. Откройте Настройки аккаунта → Connectors.
  2. Установите вспомогательное приложение PerplexityXPC (один раз).
  3. Нажмите Add Connector → вкладка Simple.
  4. В поле Server Name укажите tan-yong-sheng/ai-vision-mcp, а в поле команды запуска — строку ниже:
npx ai-vision-mcp

Нажмите Save и дождитесь статуса Running.

WindsurfWindsurf

Откройте Windsurf Settings → Cascade → MCP Servers или отредактируйте файл ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}
ClineCline

В панели Cline нажмите иконку MCP Servers → Configure → Configure MCP Servers (или отредактируйте ~/.cline/mcp.json) и добавьте сервер:

{
  "mcpServers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}
Continue

Создайте файл в .continue/mcpServers/ (например tan-yong-sheng-ai-vision-mcp-1op7yi7ru5.yaml) или добавьте блок в config.yaml. MCP работает только в режиме agent:

mcpServers:
  - name: tan-yong-sheng-ai-vision-mcp-1op7yi7ru5
    command: npx
    args:
      - "ai-vision-mcp"
    env:
      IMAGE_PROVIDER: google
      VIDEO_PROVIDER: google
      GEMINI_API_KEY: your-gemini-api-key
Zed

Выполните agent: add context server или откройте настройки (zed: open settings file) и добавьте сервер в объект context_servers:

{
  "context_servers": {
    "tan-yong-sheng-ai-vision-mcp-1op7yi7ru5": {
      "command": "npx",
      "args": [
        "ai-vision-mcp"
      ],
      "env": {
        "IMAGE_PROVIDER": "google",
        "VIDEO_PROVIDER": "google",
        "GEMINI_API_KEY": "your-gemini-api-key"
      }
    }
  }
}

Похожие MCP-сервера

doctorm333/promptpilot-mcp-server

doctorm333/promptpilot-mcp-server

от doctorm333

PromptPilot MCP-сервер генерирует изображения, видео и аудио прямо в Claude, Cursor или Windsurf. Поддерживает 20+ моделей (Flux, Imagen 4, Grok Imagine и др.), есть бесплатные без ключа. Полезен р...

TypeScript⭐ 2
nanana-app/mcp-server-nano-banana

nanana-app/mcp-server-nano-banana

от nanana-app

MCP-сервер для генерации и трансформации изображений через Nanana AI с моделью Google Gemini nano banana. Позволяет Claude Desktop создавать картинки по тексту и редактировать существующие. Полезен...

JavaScript⭐ 10
j-east/pixel-surgeon-mcp

j-east/pixel-surgeon-mcp

от j-east

MCP-сервер для генерации и редактирования изображений и видео через Gemini, OpenAI, Grok и Veo 3. Позволяет восстанавливать испорченный текст, менять фон и создавать видео по текстовым запросам. По...

JavaScript⭐ 5
raveenb/fal-mcp-server

raveenb/fal-mcp-server

от raveenb

MCP сервер для генерации изображений, видео, музыки и аудио через Fal.ai. Интегрируется с Claude Desktop и любыми MCP-клиентами, предлагая 18 инструментов: от текстовых промптов до ретуши и анимации. Полезен разработчикам и креаторам для быстрого создания контента без переключения между сервисами.

Python⭐ 61
strato-space/media-gen-mcp

strato-space/media-gen-mcp

от strato-space

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.

TypeScript⭐ 9
AceDataCloud/MCPNanoBanana

AceDataCloud/MCPNanoBanana

от acedatacloud

MCP сервер для генерации и редактирования изображений на базе Google Nano Banana. Создавайте картинки по тексту, редактируйте их, примеряйте одежду виртуально. Инструмент для дизайнеров и маркетоло...

Python⭐ 7
© Каталог MCP, 2026. Все права защищены.
Проект не аффилирован с Anthropic и любыми упомянутыми продуктами.
Все названия и торговые марки принадлежат их владельцам.
Контакты для связи: hi@mcp-katalog.ru

Лука Никитин