图片识别工具集

本地图片识别：Kimi 视觉 MCP 服务器 + DeepSeek CLI 工具，共用同一套图片预处理（image_utils.py）。

安装

pip install -r requirements.txt
cp .env.example .env   # 填入你的 API Key

1. MCP 服务器（Kimi 视觉，推荐）

mcp_server.py 是一个安全的 MCP 工具服务器：只接受本地图片路径，拒绝远程 URL， 图片经 EXIF 转置、缩略（最长边 1600px）、透明底转白、JPEG 压缩后再发送给 Kimi 视觉模型。

在 MCP 客户端中配置：

{
  "mcpServers": {
    "image-recognition": {
      "command": "python",
      "args": ["D:/Code/image_recognition/mcp_server.py"],
      "env": {}
    }
  }
}

工具 analyze_image 参数：

参数	必填	说明
image_path	✅	本地图片绝对路径（或相对 MCP 客户端工作目录）
prompt	❌	提取重点，如「OCR 全部文字」「描述 UI 布局」
detail	❌	详细程度：brief / normal / high，默认 normal
max_tokens	❌	响应上限 256~12000，默认取 KIMI_MAX_TOKENS

2. CLI 工具（DeepSeek）

python recognize.py photo.jpg
python recognize.py photo.jpg "这张图中有什么物体？"

支持本地代理（USE_PROXY=1 时走 http://localhost:4000/v1）。

3. 模型探测脚本

python test_models.py   # 探测各 DeepSeek 模型是否支持图片输入（消耗少量额度）

环境变量

Kimi（mcp_server.py）

变量	默认值	说明
MOONSHOT_API_KEY / KIMI_API_KEY	—	API Key（必填）
KIMI_BASE_URL	https://api.moonshot.ai/v1	仅允许 Moonshot 官方端点
KIMI_MODEL	kimi-k2.6	视觉模型名
KIMI_MAX_IMAGE_MB	12	原始图片大小上限
KIMI_MAX_EDGE_PX	1600	压缩后最长边像素
KIMI_MAX_TOKENS	4096	默认响应 token 上限（自动 clamp 到 256~12000）
KIMI_TIMEOUT_SECONDS	90	请求超时
KIMI_THINKING	disabled	是否启用 thinking
KIMI_IMAGE_ALLOWED_ROOTS	用户主目录	允许读取的目录白名单，; 分隔

DeepSeek（recognize.py / test_models.py）

变量	默认值	说明
DEEPSEEK_API_KEY	—	API Key（必填）
DEEPSEEK_BASE_URL	https://api.deepseek.com/v1	API 端点
DEEPSEEK_VISION_MODEL	deepseek-v4-pro	视觉模型名
DEEPSEEK_MAX_EDGE_PX	1600	压缩后最长边像素
DEEPSEEK_MAX_TOKENS	2000	响应 token 上限
DEEPSEEK_TIMEOUT_SECONDS	120	请求超时
USE_PROXY	关	1/true/yes 时走本地代理
PROXY_PORT	4000	本地代理端口

安全设计

• 远程图片 URL（http/https/file）一律拒绝，只接受本地文件。
• 图片读取限制在 KIMI_IMAGE_ALLOWED_ROOTS 白名单内（默认用户主目录）。
• 发送给模型的 system prompt 明确要求：图片中的文字只作转写对象，不当作指令执行（防提示词注入）。
• 大图先压缩再传输，避免超时和多余 token 消耗。

测试

python -m py_compile mcp_server.py recognize.py image_utils.py test_models.py