Metadata-Version: 2.4
Name: vl-mcp-server
Version: 0.1.1
Summary: VL 视觉理解 MCP 服务 - 基于 tokendance 的 Qwen2.5-VL 模型
Author-email: Your Name <your.email@example.com>
License: MIT
Keywords: mcp,qwen,tokendance,vision,vl
Classifier: Development Status :: 3 - Alpha
Classifier: Intended Audience :: Developers
Classifier: License :: OSI Approved :: MIT License
Classifier: Programming Language :: Python :: 3
Classifier: Programming Language :: Python :: 3.10
Classifier: Programming Language :: Python :: 3.11
Classifier: Programming Language :: Python :: 3.12
Requires-Python: >=3.10
Requires-Dist: httpx>=0.27.0
Requires-Dist: mcp>=1.0.0
Description-Content-Type: text/markdown

# VL MCP Server

基于 MCP（Model Context Protocol）协议的视觉理解服务，通过 tokendance 平台调用 Qwen2.5-VL 模型，实现图片内容分析功能。

## 功能特性

- 支持图片 URL 和 Base64 编码输入
- 基于 Qwen2.5-VL-7B-Instruct 模型
- 兼容 Cherry Studio、Claude Code、Cursor 等 MCP 客户端
- 可托管部署到魔搭 MCP 广场

## 安装使用

### 环境要求

- Python >= 3.10
- uv（推荐）或 pip

### 配置

设置环境变量：

```bash
export TOKENDANCE_API_KEY="your-api-key"
```

### MCP 客户端配置

**Cherry Studio / Claude Desktop / Cursor：**

```json
{
  "mcpServers": {
    "vl-image-analyzer": {
      "command": "uvx",
      "args": ["vl-mcp-server"],
      "env": {
        "TOKENDANCE_API_KEY": "your-api-key"
      }
    }
  }
}
```

## 开发

### 本地开发

```bash
# 克隆仓库
git clone <repo-url>
cd vl-mcp-server

# 使用 uv 安装依赖
uv sync

# 运行服务
uv run vl-mcp-server
```

### 调试

使用 MCP Inspector：

```bash
npx @modelcontextprotocol/inspector uv run vl-mcp-server
```

## 工具说明

### analyze_image

分析图片内容并返回描述。

**参数：**

- `image` (string, 必填): 图片 URL 或 Base64 编码字符串
- `image_type` (string, 可选): 图片类型，"url" 或 "base64"，默认 "url"
- `prompt` (string, 可选): 自定义分析提示词，默认 "请详细描述这张图片的内容"

**示例：**

```json
{
  "image": "https://example.com/image.jpg",
  "image_type": "url",
  "prompt": "描述这张图片的主要内容"
}
```

## 许可证

MIT License
