基于MCP的YOLO服务器（计算机视觉与深度学习工具）

该仓库基于Ultralytics和Python SDK的Model Context协议构建。

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
MCP Python版本 - https://github.com/modelcontextprotocol/python-sdk

该服务器基于Python实现Model Context协议，支持图像目标检测、分割和人体姿态估计功能。

功能

• 使用YOLOv10检测图像中的物体
• 使用YOLOv8分割图像中的物体
• 使用Ultralytics SAM分割整个图像
• 使用YOLOv8估计图像中的人体姿态
• 支持本地和网络图像输入
• 集成MCP工具进行客户端交互
• 支持Stdio和SSE传输协议

注意：服务器需要有效的图像路径或URL，并且需要访问以下模型文件：yolov10b.pt（YOLOv10检测）、yolov8n-seg.pt（YOLOv8分割）、yolov8n-pose.pt（YOLOv8姿态估计）和sam_b.pt（Ultralytics SAM）。

待办事项

• 3D检测
• AIGC（生成对抗网络、扩散模型）
• 密度估计
• 部署深度学习模型

快速启动

安装依赖项

uv sync  
// 如果需要清华大学源  
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

1. Stdio模式：

   python server.py
   

   输出：

   使用 stdio 传输启动 MCP 服务器（YOLO）
   

2. 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，用户需要将权重文件下载到 ./checkpoints 目录中。
下载链接🔗：https://...

使用Claude Desktop

在你的 claude_desktop_config.json 中添加以下内容：

注意：你可以通过挂载沙盒目录的方式提供只读目录 /projects 给服务器。

SSE模式配置

{
  "mcpServers": {
    "server-with-yolo": {
      "url": "http://localhost:8080/sse"
    }
  }
}

权重文件目录结构：

./checkpoints/  
├── yolov10b.pt  
├── yolov8n-seg.pt  
├── yolov8n-pose.pt  
└── sam_b.pt