MCP Server Cvdlt

CVDLT（计算机视觉和深度学习工具）的MCP服务器

该仓库基于Ultralytics和Python SDK的模型上下文协议 相关链接：

MCP游乐场（客户端）-https://github.com/MRonaldo-gif/mcp-playground-local

Ultralytics-https://github.com/ultralytics/ultralytics

Python的MCPhttps://github.com/modelcontextprotocol/python-sdk

Python服务器实现了用于图像对象检测、分割和姿态估计操作的模型上下文协议（MCP）。

样式图

detect样式图

特性

• 使用YOLOv10检测图像中的对象
• 使用YOLOv8分割图像中的对象
• 使用Ultralytics SAM分割整个图像
• 使用YOLOv8估计图像中的人体姿势
• 支持本地和网络图像输入
• 用于客户端交互的MCP工具集成
• Stdio和SSE传输协议

备注：服务器需要有效的图像路径或URL以及对以下模型文件的访问权限： yolov10b.pt （YOLOv10检测）， yolov8n-seg.pt （YOLOv8分割）， yolov8n-pose.pt （YOLOv8姿态估计），以及 sam_b.pt （Ultralytics SAM）。

全部

• 三维检测
• AIGC（GAN，扩散）
• Denso估算
• 部署DL（深度学习）模型

QucikStart

再进行

uv sync
//如需要清华源
uv sync --index https://pypi.tuna.tsinghua.edu.cn/simple --extra-index-url https://pypi.org/simple

uv pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

启动服务器

1. stdio 模式：

   python server.py

输出：

   使用 stdio 传输启动 MCP 服务器（YOLO）

1. SSE 模式：

   python server.py sse [端口号]

示例：

   python server.py sse 8080

输出：

   在端口 8080 上启动 MCP 服务器（YOLO），使用 SSE 传输

此外，用户需要将权重下载到。/检查点目录。 下载链接🔗：https://docs.ultralytics.com/models/yolov10/，https://docs.ultralytics.com/models/yolov8/，https://docs.ultralytics.com/models/sam-2/

├── 检查点 │ ├── sam_b.pt │ ├── yolov10b.pt │ ├── yolov8-pose.pt │ └── yolov8-seg.pt

API

资源

• image://system：图像处理操作界面

工具

• 检测对象

- 使用YOLOv10检测图像中的对象 - 输入： image_url （字符串） - 支持本地路径(file:// 或相对）和网络URL(http:// 或 https://) - 返回带有边界框、置信度分数和类标签的检测对象的JSON数组 - 输出示例： [{"box": [x, y, w, h], "confidence": 0.9, "class": "person"}, ...]

• 分段对象

- 使用YOLOv8分割图像中的对象 - 输入： image_url （字符串） - 支持本地路径(file:// 或相对）和网络URL(http:// 或 https://) - 返回带有边界框、置信度分数和类标签的分段对象的JSON数组 - 输出示例： [{"box": [x, y, w, h], "confidence": 0.85, "class": "car"}, ...]

• 分段图像

- 使用Ultralytics SAM分割整个图像 - 输入： image_url （字符串） - 支持本地路径(file:// 或相对）和网络URL(http:// 或 https://) - 返回带有边界框、面积和置信度分数的分割区域的JSON数组 - 输出示例： [{"bbox": [x, y, w, h], "area": 2500, "confidence": 0.95}, ...]

• 估计姿势

- 使用YOLOv8估计图像中的人体姿势 - 输入： image_url （字符串） - 支持本地路径(file:// 或相对）和网络URL(http:// 或 https://) - 返回检测到的姿势的JSON数组，其中包含关键点坐标和置信度得分 - 输出示例： [{"keypoints": [[x1, y1], [x2, y2], ...], "confidence": [0.9, 0.8, ...]}, ...]

使用Claude Desktop

将此添加到您的 claude_desktop_config.json:

备注：您可以通过将沙盒目录装载到以下位置来向服务器提供沙盒目录 /projects.添加 ro 标志将使目录对服务器只读。

SSE

{
  "mcpServers": {
    "server-with-yolo": {
      "url": "http://localhost:8080/sse"
    }
  }
}