Groundlight MCP

地面灯mcp服务器

概述

用于与Groundlight交互的模型上下文协议（MCP）服务器。该服务器提供创建、列出和自定义探测器、提交和列出ImageQueries、创建、列出并删除警报以及检查探测器评估指标的工具。

随着我们继续开发和改进此服务器，功能和可用工具可能会发生变化和扩展。

工具

Groundlight MCP服务器中提供以下工具：

1. create_detector

- 描述：根据指定的配置创建检测器。支持三种模式：

1. 二进制：对关于图像的自然语言查询回答“是”或“否”。 1. 多类：根据自然语言查询将图像分类到预定义的类别中。 1. 计数：使用自然语言描述对图像中指定对象的出现次数进行计数。

所有检测器分析图像以回答自然语言查询，并返回指示结果可靠性的置信度得分。如果置信度低于指定的阈值，则查询将升级为人工审核。通过从反馈和其他示例中不断学习，检测器会随着时间的推移而改进。

- 输入： config （具有名称、查询、置信阈值、模式和特定模式配置的DetectorConfig对象）

- 退货： Detector 对象

1. get_detector

- 描述：根据探测器的ID获取探测器。 - 输入： detector_id （字符串） - 退货： Detector 对象

1. list_detectors

- 说明：列出与当前用户关联的所有探测器。 - 输入：无 - 返回：列表 Detector 物体

1. submit_image_query

- 描述：提交一张图像，由指定的探测器回答。图像可以作为文件路径、URL或原始字节提供。检测器将返回一个带有标签和置信度评分的响应。 - 输入： detector_id （字符串）， image （字符串或字节） - 退货： ImageQuery 对象

1. get_image_query

- 描述：通过ID获取现有图像查询。 - 输入： image_query_id （字符串） - 退货： ImageQuery 对象

1. list_image_queries

- 描述：列出与指定探测器关联的所有图像查询。请注意，这可能会返回大量结果。 - 输入： detector_id （字符串） - 返回：列表 ImageQuery 物体

1. 获取图像

- 描述：通过ID获取与图像查询关联的图像。如果可用，可以在图像上用边界框进行注释。 - 输入： image_query_id （字符串）， annotate （布尔值，默认值：false） - 退货： Image 对象

1. create_alert

- 描述：为探测器创建警报，当满足特定条件时触发操作。 - 输入： config （AlertConfig对象，包含名称、检测器id、条件以及可选的webhook_action、email_action、text_action、enabled和human_review_required字段） - 退货： Rule 对象

1. 列表_警报

- 说明：列出系统中的所有警报（规则）。（注：在当前实现中未按检测器过滤。） - 输入： page （整数，默认值：1）， page_size （整数，默认值：100） - 返回：列表 Rule 物体

1. 删除警报

- 说明：按警报ID删除警报（规则）。 - 输入： alert_id （字符串） - 退货：无

1. add_label

- 说明：为图像查询提供标签（注释）。这用于训练探测器或校正结果。对于计数探测器，您可以选择提供感兴趣的区域。 - 输入： image_query_id （字符串）， label （整数或字符串）， rois （可选列表） - 退货：无

1. get_detector_评估_信息

- 描述：获取探测器的详细评估指标，包括混淆矩阵和示例。 - 输入： detector_id （字符串） - 返回：评估指标字典

1. update_detector_置信度_阈值

- 描述：更新探测器的置信阈值。 - 输入： detector_id （字符串）， confidence_threshold （浮动） - 退货：无

1. update_detector_supgradion_type

- 描述：更新探测器的升级类型。这决定了何时将查询发送给人工审核。选项：“标准”（根据置信阈值升级）或“NO_HUMAN_LABELING”（从不升级）。 - 输入： detector_id （字符串）， escalation_type （字符串，“STANDARD”或“NO_HUMAN_LABELING”） - 退货：无

配置

使用Claude Desktop

将此添加到claude_desktop_config.json中：

"mcpServers": {
  "groundlight": {
    "command": "docker",
    "args": ["run", "--rm", "-i", "-e", "GROUNDLIGHT_API_TOKEN", "groundlight/groundlight-mcp-server"],
    "env": {
        "GROUNDLIGHT_API_TOKEN": "YOUR_API_TOKEN_HERE"
    }
  }
}

使用Zed

将此添加到您的settings.json中：

{
  "context_servers": {
    "groundlight": {
      "command": {
        "path": "docker",
        "args": [
          "run",
          "--rm",
          "-i",
          "-e",
          "GROUNDLIGHT_API_TOKEN",
          "groundlight/groundlight-mcp-server"
        ],
        "env": {
          "GROUNDLIGHT_API_TOKEN": "YOUR_API_TOKEN_HERE"
        }
      }
    }
  }
}

发展

在本地构建Docker镜像：

make build-docker

在本地运行Docker镜像：

make run-docker

【Groundlight Internal】将Docker镜像推送到Docker Hub（需要DockerHub凭据）：

make push-docker

s