Image Research Assistant

图像研究助理

这是一个图像研究助理，专注于使用模块化服务帮助进行图像相关信息的检索和丰富。该存储库包含一个轻量级的应用程序入口点、客户端/代理脚手架以及用于视觉和维基百科查找的服务模块。

目标

• 使用MCP服务为图像研究任务提供紧凑、可扩展的架构。
• 保持服务模块化，以便贡献者可以添加新的数据源或模型。
• 为本地运行和测试提供简单的开发人员人体工程学。

目录

• src/app/ --主要应用程序包和入口点
• src/app/clients/ --客户端代理和MCP客户端代码
• src/app/servers/vision/ --与视觉相关的服务器实用程序和服务器
• src/app/servers/wikipedia/ --维基百科查找服务器和助手

先决条件

• 具有POSIX类shell的macOS/Linux/Windows（示例使用 zsh/bash)
• Python 3.10或更新版本
• Git
• （可选） poetry 如果你更喜欢通过Poetry管理项目。尽管 uv 是此项目的首选包管理器。

推荐设置

1. 创建并激活虚拟环境（macOS/Linux）：

python3 -m venv .venv
source .venv/bin/activate

如果使用 uv，只需运行 uv venv 安装后激活环境。

1. 安装依赖项。首选项目方法：

• 使用Makefile帮助程序（推荐）：

make install

• 或使用 uv （此项目的首选包管理器）从安装 pyproject.toml:

uv install -r pyproject.toml

如果你愿意，你仍然可以在迭代本地代码时执行可编辑的pip安装：

pip install -e .

注：没有 requirements.txt 在这个存储库中；使用 pyproject.toml 随着 uv 或 Makefile 帮手。

运行项目

• 直接运行主应用程序（快速）：

python src/app/main.py

• 或者在可编辑安装后作为模块运行：

make run

项目考虑因素

• 存储库有意采用模块化：添加新 servers/ 或 clients/ 不接触核心逻辑的组件。
• 将第三方模型或API密钥排除在回购之外-使用环境变量或凭据的机密存储。
• 以轻量级依赖关系为目标，使项目易于为贡献者设置。
• 如果添加长时间运行的服务，最好在流程管理器（systemd、supervisor）后面或在生产容器中运行它们。

测试

• 默认情况下没有捆绑测试。如果您添加测试，请选择 pytest 并将测试置于 tests/.
• 示例试运行（添加后 pytest 到deps）：

pytest -q

贡献

• 分叉存储库并创建功能分支： git checkout -b feat/your-feature
• 保持承诺小而专注，信息清晰。
• 在打开PR之前，运行过梁和您添加的任何测试。
• 打开一个Pull请求 main，添加描述性标题和更改摘要。
• 对于较大的更改，请先打开一个问题来讨论设计和方法。

代码风格

• 遵循惯用的Python（PEP8）。可选择添加 black / ruff 或与项目类似的工具，以保持一致性。Ruff在这里使用，可以使用 make lint 并通过以下方式进行类型检查 make pyrefly.

联系人/维护人员

• 主要回购所有者是 BrianLusina （GitHub： BrianLusina).打开问题或PR以获取问题、修复或功能请求。