deepseek-vision-mcp v0.1.0

deepseek-vision-mcp v0.1.0

让纯文本 LLM Agent（如 DeepSeek）具备视觉能力的 MCP 服务：图片 / 视频 / 文件三种模态理解，基于智谱 GLM-4.6V-Flash（免费模型，128K 上下文）。

功能

• vision_analyze_image：本地图片（自动 base64）或公网 URL
• vision_analyze_video / vision_analyze_file：公网 URL（PDF / 文本等）
• 可选思考模式（thinking）、3 次指数退避重试（429 尊重 Retry-After）、超时控制、结构化错误码
• 配套 Skill（skills/vision-agent/）：何时调用 / 参数规范 / 输出格式 / 降级策略

安装

pip install "deepseek-vision-mcp @ https://github.com/JunHua-ECJTU/deepseek-vision-mcp/releases/download/v0.1.0/deepseek_vision_mcp-0.1.0-py3-none-any.whl"

或下载本 Release 的 Assets：deepseek_vision_mcp-0.1.0-py3-none-any.whl（pip 安装）、deepseek_vision_mcp-0.1.0.tar.gz（源码包，含 skills/ 与测试）。

部署到任意 MCP 客户端 agent 的完整指南见 docs/DEPLOY.md。

已知限制

• 模态互斥：GLM-4.6V-Flash 不支持同时理解多种模态
• 视频/文件仅支持公网 URL（智谱 /files 上传接口仅接受 .jsonl）
• 免费模型高峰可能 429 限流（工具已内置重试）

智谱官方文档：https://docs.bigmodel.cn/cn/guide/models/free/glm-4.6v-flash