vision-bridge-mcp

# vision-bridge MCP Server 图片视觉桥接服务：当对话里出现图片时，先由 **MiniMax 多模态模型** 把图片解析成文字描述， 再交给 **DeepSeek（纯文本模型）** 继续推理。以 MCP Server 形式接入 ZCode / Trae 客户端。 > 📄 **给其他机器/其他人部署**：请参考 [INTEGRATION.md](./INTEGRATION.md)（通用集成文档）。 > 本文档描述的是本机已完成的配置。 ``` 用户发图 ──► ZCode/Trae (DeepSeek 对话) ──调用 MCP 工具──► vision-bridge ──► MiniMax 多模态 ◄── 图片的文字描述 ── DeepSeek 基于文字描述继续回答 ◄────────────────────────────────────┘ ``` ## 提供的工具 | 工具 | 作用 | |------|------| | `analyze_image(image?, question?)` | 图片理解：返回图片内容的文字描述，或回答关于图片的具体问题 | | `extract_text_from_image(image?, language?)` | 图片 OCR：按原始顺序提取图中所有文字（标题/正文/按钮/水印等） | `image` 参数支持：本地文件路径、`http(s)` 链接、base64 data URI。 **也可以不传**：工具会自动定位用户在当前 ZCode 会话中最新上传的图片附件 （`~/.zcode/cli/artifacts/<session>/prompt-attachment-upload-*.txt`，毫秒级定位）。 定位逻辑：ZCode 的 UserPromptSubmit hook 会把当前会话 id 写入 `~/.zcode/vision-inbox/current-session.txt`，server 据此**只扫当前会话目录**， 不受其他会话干扰；当前会话无附件时才兜底取全局最新。 ## 安装 ```bash cd /Users/wjc/mcp-vision-server python3 -m venv .venv .venv/bin/pip install -r requirements.txt .venv/bin/pip install -e . # 生成本机 vision-bridge 命令（editable，改代码即时生效） ``` ## 配置 API Key `.env` 有两个位置（server 启动时会依次加载，环境变量优先级最高）： 1. **当前工作目录**的 `.env` —— 本地开发（本机已配置） 2. **`~/.config/vision-bridge/.env`** —— 全局配置，**推荐**：MCP 客户端启动 server 时 cwd 通常是工作区而非项目目录，放这里任何场景都能加载（本机已配置） ```ini MINIMAX_API_KEY=你的密钥 MINIMAX_GROUP_ID= # 国内版 (api.minimax.chat) 必填；国际版 (api.minimaxi.com) 留空 MINIMAX_BASE_URL=https://api.minimax.chat/v1 # 国际版改为 https://api.minimaxi.com/v1 MINIMAX_MODEL=MiniMax-M2 # 按你账号开通的模型调整（如 MiniMax-M3） ``` > 密钥只放 `.env`，不要提交到 git（已加入 `.gitignore`）。 ## 接入 ZCode（已完成注册） 已写入 `~/.zcode/cli/config.json`（使用安装生成的 `vision-bridge` 命令，无需关心项目路径）： ```json { "mcp": { "servers": { "vision-bridge": { "command": "/Users/wjc/mcp-vision-server/.venv/bin/vision-bridge", "args": [] } } } } ``` **重启 ZCode 后**在「设置 → MCP」中应能看到 vis…