Token导航 LogoToken导航TokenDH.com
YOLO MCP Server logo
运维云端stdio官方级别未说明来源级核验

YOLO MCP Server

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。

工具数

0

提示词数

0

GitHub Stars

34

资源数

0
实时分析PythonClaudeClaude DesktopClaudeCursorWindsurf

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

GongRzhe

提供方

GongRzhe

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv .venv

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。

![](https://badge.mcpx.dev?type=server "MCP Server")

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)

目录标签

目录标签

实时分析PythonClaude计算机视觉本地部署物体检测图像分割AI集成

支持客户端

Claude DesktopClaudeCursorWindsurf

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

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。

来源信息

继续浏览同类 MCP