Token导航 LogoToken导航

MCP Server · 运维云端

YOLO MCP Server

通过Model Context Protocol (MCP)与Claude AI集成的YOLO计算机视觉服务,提供物体检测、分割、分类和实时摄像头分析功能。

stdio官方级别未说明来源级核验工具 0
实时分析PythonClaudeClaude DesktopCursorWindsurf

快速开始

作者 / 组织
GongRzhe
提供方
GongRzhe
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

34

仓库热度

收录来源

2 个

MCP World

选型结论

YOLO MCP Server 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude、Cursor,有可以直接复制的安装命令;接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv .venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

YOLO MCP服务

强大的YOLO(You Only Look Once)计算机视觉服务,通过模型上下文协议(MCP)与Claude AI集成。该服务使Claude能够使用最先进的YOLO模型进行对象检测、分割、分类和实时相机分析。

!

特性

  • 目标检测、分割、分类和姿态估计
  • 实时摄像头集成用于活体检测
  • 支持模型训练、验证和导出
  • 结合多种模型的综合图像分析
  • 支持文件路径和base64编码图像
  • 与Claude AI无缝集成

安装说明

先决条件

  • Python 3.10或更高版本
  • Git(可选,用于克隆存储库)

环境设置

  1. 为项目创建一个目录并导航到该目录:
   mkdir yolo-mcp-service
   cd yolo-mcp-service
  1. 从存储库下载项目文件或克隆:
   # If you have the files, copy them to this directory
   # If using git:
   git clone https://github.com/GongRzhe/YOLO-MCP-Server.git .
  1. 创建虚拟环境:
   # On Windows
   python -m venv .venv

   # On macOS/Linux
   python3 -m venv .venv
  1. 激活虚拟环境:
   # On Windows
   .venv\Scripts\activate

   # On macOS/Linux
   source .venv/bin/activate
  1. 运行安装脚本:
   python setup.py

安装脚本将:

- 检查你的Python版本 - 创建虚拟环境(如果尚未创建) - 安装所需的依赖项 - 生成MCP配置文件(MCP-config.json) - 输出包括Claude在内的不同MCP客户端的配置信息

  1. 注意安装脚本的输出,它看起来类似于:
   MCP configuration has been written to: /path/to/mcp-config.json

   MCP configuration for Cursor:

   /path/to/.venv/bin/python /path/to/server.py

   MCP configuration for Windsurf/Claude Desktop:
   {
     "mcpServers": {
       "yolo-service": {
         "command": "/path/to/.venv/bin/python",
         "args": [
           "/path/to/server.py"
         ],
         "env": {
           "PYTHONPATH": "/path/to"
         }
       }
     }
   }

   To use with Claude Desktop, merge this configuration into: /path/to/claude_desktop_config.json

下载YOLO型号

在使用该服务之前,您需要下载YOLO型号。该服务在以下目录中查找模型:

  • 服务运行的当前目录
  • A. models 子目录
  • 在中配置的任何其他目录 CONFIG["model_dirs"] server.py中的变量

创建一个模型目录并下载一些常见模型:

# Create models directory
mkdir models

# Download YOLOv8n for basic object detection
curl -L https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt -o models/yolov8n.pt

# Download YOLOv8n-seg for segmentation
curl -L https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-seg.pt -o models/yolov8n-seg.pt

# Download YOLOv8n-cls for classification
curl -L https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-cls.pt -o models/yolov8n-cls.pt

# Download YOLOv8n-pose for pose estimation
curl -L https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-pose.pt -o models/yolov8n-pose.pt

对于Windows PowerShell用户:

# Create models directory
mkdir models

# Download models using Invoke-WebRequest
Invoke-WebRequest -Uri "https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt" -OutFile "models/yolov8n.pt"
Invoke-WebRequest -Uri "https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-seg.pt" -OutFile "models/yolov8n-seg.pt"
Invoke-WebRequest -Uri "https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-cls.pt" -OutFile "models/yolov8n-cls.pt"
Invoke-WebRequest -Uri "https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n-pose.pt" -OutFile "models/yolov8n-pose.pt"

配置Claude

要与Claude一起使用此服务,请执行以下操作:

  1. 对于Claude web:在本地计算机上设置服务,并使用MCP客户端中设置脚本提供的配置。
  1. 对于Claude Desktop:

- 运行安装脚本并记录配置输出 - 找到您的Claude Desktop配置文件(路径在安装脚本输出中提供) - 将配置添加或合并到您的Claude Desktop配置文件中 - 重新启动克劳德桌面

在Claude中使用YOLO工具

1.首先检查可用型号

始终先检查您的系统上有哪些型号可用:

I'd like to use the YOLO tools. Can you first check which models are available on my system?

2.检测图像中的对象

要分析计算机上的图像文件:

Can you analyze this image file for objects?

/path/to/your/image.jpg

0.3

您还可以指定其他模型:

Can you analyze this image using a different model?

/path/to/your/image.jpg

yolov8n.pt

0.4

3.运行综合图像分析

有关结合对象检测、分类等的更详细分析:

Can you perform a comprehensive analysis on this image?

/path/to/your/image.jpg

0.3

4.图像分割

为了识别对象边界和创建分割蒙版:

Can you perform image segmentation on this photo?

/path/to/your/image.jpg

true

yolov8n-seg.pt

5.图像分类

为了对整个图像内容进行分类:

What does this image show? Can you classify it?

/path/to/your/image.jpg

true

yolov8n-cls.pt

5

6.使用电脑的摄像头

使用计算机的摄像头开始实时对象检测:

Can you turn on my camera and detect objects in real-time?

yolov8n.pt

0.3

获取最新的摄像头检测结果:

What are you seeing through my camera right now?

完成后停止相机:

Please turn off the camera.

7.高级模型操作

训练自定义模型
I want to train a custom object detection model on my dataset.

/path/to/your/dataset

yolov8n.pt

50
验证模型
Can you validate the performance of my model on a test dataset?

/path/to/your/trained/model.pt

/path/to/validation/dataset
将模型导出为不同格式
I need to export my YOLO model to ONNX format.

/path/to/your/model.pt

onnx

8.测试连接

检查YOLO服务是否正常运行:

Is the YOLO service running correctly?

故障排除

摄像头问题

如果相机不工作,请尝试不同的相机ID:


1
  

未找到型号

如果找不到模型,请确保已将其下载到配置的目录之一:

性能问题

为了在资源有限的情况下获得更好的性能,请使用较小的型号(例如,yolov8n.pt而不是yolov8x.pt)

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

计算机视觉Python本地部署物体检测图像分割实时分析AI集成

支持客户端

Claude DesktopClaudeCursorWindsurf

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
YOLO MCP Server

MCP World · 本页

0stdio有2 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

YOLO MCP Server 怎么安装?

公开资料给出的安装命令是 python -m venv .venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

YOLO MCP Server 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

YOLO MCP Server 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

YOLO MCP Server 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

YOLO MCP Server 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude、Cursor、Windsurf;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP