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）。
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
- stdio 模式：
python server.py输出：
使用 stdio 传输启动 MCP 服务器（YOLO）- 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"
}
}
}