本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI 生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
  
  以下为项目介绍正文内容，AI 生成、润色内容已使用截图方式发出

接上篇帖子[开源]Visual-Enhancement-mcp,一个增强cc cx识图能力的mcp

需求场景是，如果我们配置了不支持多模态的模型（比如glm 5.2）到各种工具中，但是我们又想让自己的开发工具有视觉识别功能的时候，可以用这个mcp来实现工具的识图功能。

我后面对这个MCP进行了npm的推送和发布，现在各位佬可以不用拷贝代码到本地自己配置了，可以直接用nmp配置

具体可以参考

GitHub - goehou/Visual-Enhancement-mcp: MCP stdio server for image recognition via an existng vision model 一个可以增强claude code/codex/opencode识图能力的MCP · GitHub readme中的你用的各种AI工具的配置方法

拿cc举例一下 可以直接写入mcp,参考下面的格式

{

“mcpServers”: {

“mcp-vision-server”: {

“command”: “npx”,

“args”: [

“-y”,

“mcp-vision-server”,

“–api-base-url”, “https://your-api.example.com”,

“–api-path”, “/v1/chat/completions”,

“–api-key”, “sk-xxxx”,

“–model”, “your-vision-model”,

“–timeout-ms”, “60000”,

“–max-tokens”, “4096”

]

}

}

}

在新的版本中0.1.3增加了maxtoken的参数设置，可在配置中直接传参数，如果不传就默认是4096。

这里感谢 @huan ^-^ ^-^

huan佬的深度使用和指导后，给我一个npm发包的指引以及后续提出的issue来完善项目。感谢佬的指导 ^-^

然后多模态识图模型可以选择（自己用的一些，可能不全 佬们可以自己配置看看什么模型更强） Qwen3.5-397B |
MiniMax-M3 | kimi k2.7 | grok 4.3等等