ImageMCP — 给文本模型配一双"眼睛"

部分大模型（如 DeepSeek）不具备图片识别能力。ImageMCP 是一个常驻系统托盘的桌面应用，内置标准 MCP 服务，把图片交给具备多模态能力的模型（默认小米 MiMo mimo-v2.5）识别后，把答案返回给文本模型。任何支持 MCP 的 Code Agent（Claude Code、opencode、Cline、Cursor、Windsurf 等）都能接入。

文件说明

文件	作用
`imagemcp.exe`	单文件应用。双击启动：常驻系统托盘 + 内嵌设置窗口 + 本机 HTTP MCP 服务
`config.json`	配置文件（与 exe 同目录，由设置窗口写入）

快速开始（接收方，无需安装 Python）

第 1 步：放置并启动

把 imagemcp.exe 和 config.json 放到同一目录（如 D:\ImageMCP\），双击 imagemcp.exe：

桌面右下角出现托盘图标；
自动弹出设置窗口，顶部横幅显示服务状态；
后台自动启动 MCP 服务：http://127.0.0.1:9847/mcp。

第 2 步：填写 API 配置

在设置窗口填入：

字段	说明
API 地址 (api_base)	默认 `https://api.xiaomimimo.com/v1`（OpenAI 兼容即可）
API 密钥 (api_key)	你的多模态模型 API Key
模型 ID	默认 `mimo-v2.5`

点「保存并检测」→ 顶部横幅变绿色「✓ 服务正常：图片识别可用」即配置成功。

第 3 步：接入 MCP 客户端

在任意 MCP 客户端，把 MCP 服务器指向 http://127.0.0.1:9847/mcp（Streamable HTTP / SSE）。

程序常驻托盘期间服务持续可用；客户端无需再次拉起进程。关闭设置窗口只是最小化到托盘，程序仍在运行；从托盘菜单「退出」才会真正停止。

第 4 步：开始使用

在对话中让助手"看这张图"，它会自动调用 analyze_image 识别图片并回答。

各 MCP 客户端接入方式

所有客户端都连同一个地址：

地址：http://127.0.0.1:9847/mcp
类型：Streamable HTTP（部分客户端写作 HTTP / SSE）

客户端	接入方式
Claude Code	`claude mcp add --transport http imagemcp http://127.0.0.1:9847/mcp`
opencode	`opencode.json` 里 `mcp.imagemcp = {"type":"remote","url":"http://127.0.0.1:9847/mcp","enabled":true}`
Cline / Roo Code / Kilo Code	MCP Servers → 添加远程/HTTP 服务器，URL 填上面地址
Claude Desktop	`claude_desktop_config.json` 的 mcpServers 用 HTTP 类型

opencode opencode.json 示例：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "imagemcp": {
      "type": "remote",
      "url": "http://127.0.0.1:9847/mcp",
      "enabled": true
    }
  }
}

代理提示：若连接失败且本机开了系统代理，请把 127.0.0.1、localhost 加入代理排除（NO_PROXY），否则本机 HTTP 流量可能被代理拦截。

托盘应用操作

操作	效果
双击托盘图标	打开设置窗口
托盘菜单「复制 MCP 地址」	复制 `http://127.0.0.1:9847/mcp` 到剪贴板
关闭设置窗口	最小化到托盘，程序继续运行
托盘菜单「退出」	停止 HTTP 服务并退出程序

环境变量覆盖（可选）

IMAGE_MCP_API_BASE / IMAGE_MCP_API_KEY / IMAGE_MCP_MODEL 优先级高于 config.json，适合不想把密钥写入配置文件时使用。

日志

程序运行后会在 exe 同目录生成 imagemcp.log，记录每次 analyze_image 调用的输入与输出：

[2026-08-03 22:58:41.172] [OK] analyze_image 耗时2232ms
  输入 image : C:\Users\...\blue.png
  输入 question: 这张图是什么颜色？一句话
  输出        : 这张图是蓝色（纯蓝色）的。

包含时间、状态（OK/ERROR）、agent 传入的图片来源与提示词、返回内容、耗时；
图片为 base64 data URI 时只记录前缀与长度，避免日志膨胀；
自动轮转：单个日志默认超过 5MB 归档为 imagemcp.log.<时间戳>，默认保留 3 份；
环境变量控制：
- IMAGEMCP_LOG=0 关闭日志；
- IMAGEMCP_LOG_MAX_MB=<数字> 调整单文件上限（MB）；
- IMAGEMCP_LOG_KEEP=<数字> 调整保留归档份数。

开发者运行（源码方式）

pip install -r requirements.txt
python main.py            # 托盘应用（默认）
python main.py --serve    # stdio MCP 服务（给只支持 stdio 的客户端）
python main.py --http     # headless HTTP 服务（调试用）

二次打包

pip install -r requirements-dev.txt
build.bat                # 产出 dist\imagemcp.exe

工作原理

任意 MCP 客户端 ──HTTP──▶ imagemcp.exe (127.0.0.1:9847/mcp) ──HTTP──▶ 多模态 API (MiMo)
                              ▲ 常驻托盘
                              │ 读/写 config.json（与 exe 同目录）

analyze_image 工具接受 image（本地绝对路径 / http(s) URL / base64 data URI）与 question，图片统一转为 base64 内联发送，答案直接返回文本模型。限制：单图 ≤ 50MB；支持 JPEG / PNG / GIF / WebP / BMP。

ImageMCP — 给文本模型配一双"眼睛"