DINO-X MCP

DINO-X 官方 MCP 服务器, 基于通用视觉检测模型 DINO-X 和 Grounding DINO，给大模型提供细粒度的目标检测、图像理解、图片分析能力。

为什么需要 DINO-X MCP？

精细理解：支持全图检测、定向检测与区域描述。
结构化输出：可直接获取类别、数量、位置、属性，助力视觉问答与多步推理。
组合易用：可与其他 MCP Server 搭配，构建端到端视觉智能体与自动化流程。

传输模式

DINO-X MCP 支持两种传输模式:

特性	STDIO（默认）	Streamable HTTP
运行环境	本地	本地或云端
通信方式	标准输入/输出	`HTTP`（流式响应）
输入限制	支持 `file://` 与 `https://`	仅支持 `https://`
可视化	支持（生成本地标注图片）	暂不支持

快速接入

1. 准备 MCP 客户端

首先, 你需要在本地安装一个支持 MCP 协议的客户端，例如：

2. 获取 API Key

前往 DINO-X 官网注册账号并申请 API Token（新用户有免费额度）。

3. 配置 MCP

方式 A：使用官方托管的 Streamable HTTP（推荐）

在客户端配置文件中添加，替换自己的 API Key：

{
  "mcpServers": {
    "dinox-mcp": {
      "url": "https://mcp.deepdataspace.com/mcp?key=your-api-key"
    }
  }
}

方式 B：使用 NPM 包本地运行（STDIO）

首先，需要本地安装 Node.js 环境，可以从 Node.js 官网下载安装包，或使用命令安装：

# MacOS 或 Linux 系统
# 1. 安装 nvm (Node 版本管理器)
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
# 或
wget -qO- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

# 2. 将以下配置添加到你的终端配置文件中（~/.bash_profile、~/.zshrc、~/.profile 或 ~/.bashrc）
export NVM_DIR="$HOME/.nvm"
[ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh"  
[ -s "$NVM_DIR/bash_completion" ] && \. "$NVM_DIR/bash_completion"  

# 3. 在当前终端中激活 nvm
# bash 用户运行：
source ~/.bashrc
# zsh 用户运行：
source ~/.zshrc   

# 4. 验证 nvm 是否安装成功
command -v nvm

# 5. 安装并使用 Node.js LTS 版本
nvm install --lts
nvm use --lts

# Windows 系统
winget install OpenJS.NodeJS.LTS
# 或使用 PowerShell (管理员权限)
iwr -useb https://raw.githubusercontent.com/chocolatey/chocolatey/master/chocolateyInstall/InstallChocolatey.ps1 | iex
choco install nodejs-lts -y

然后，在你的 MCP 客户端的配置文件中加入配置：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": ["-y", "@deepdataspace/dinox-mcp"],
      "env": {
        "DINOX_API_KEY": "you-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

注意：获取 API Key 后，把上面配置中的 you-api-key-here 替换成真正的密钥。

方式 C：克隆源码本地运行

首先，需要本地安装 Node.js 环境（参考方式二）

# 下载源码
git clone https://github.com/IDEA-Research/DINO-X-MCP.git
cd DINO-X-MCP

# 安装依赖
npm install

# 编译
npm run build

MCP 客户端中配置：

{
  "mcpServers": {
    "dinox-mcp": {
      "command": "node",
      "args": ["/path/to/DINO-X-MCP/build/index.js"],
      "env": {
        "DINOX_API_KEY": "you-api-key-here",
        "IMAGE_STORAGE_DIRECTORY": "/path/to/your/image/directory"
      }
    }
  }
}

启动参数与环境变量

常用启动参数
- --http：以 Streamable HTTP 方式启动；否则默认 STDIO
- --stdio：强制以 STDIO 启动
- --dinox-api-key=...：指定 API Key
- --enable-client-key：允许客户端通过 URL ?key= 传入 API Key（Streamable HTTP 模式）
- --port=8080：HTTP 端口（默认 3020）
环境变量
- DINOX_API_KEY（必需/条件必需）：DINO-X 平台鉴权密钥
- IMAGE_STORAGE_DIRECTORY（可选，STDIO 模式）：可视化图片输出目录
- AUTH_TOKEN（可选，Streamable HTTP 模式）：若设置，则需客户端请求头携带 Authorization: Bearer <token>

示例：

# STDIO（本地）
node build/index.js --dinox-api-key=your-api-key

# Streamable HTTP（服务端提供统一的 API Key）
node build/index.js --http --dinox-api-key=your-api-key

# Streamable HTTP（自定义端口）
node build/index.js --http --dinox-api-key=your-api-key --port=8080

# Streamable HTTP（强制客户端提供 API Key）
node build/index.js --http --enable-client-key

# 此时，客户端需要通过 ?key= 传入
{
  "mcpServers": {
    "dinox-mcp": {
      "url": "http://localhost:3020/mcp?key=your-api-key"
    }
  }
}

# Streamable HTTP（启用 AUTH_TOKEN）
AUTH_TOKEN=my-token node build/index.js --http --enable-client-key

# 此时，客户端可以借助 supergateway 传入 Authorization: Bearer <token>
{
  "mcpServers": {
    "dinox-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "supergateway",
        "--streamableHttp",
        "http://localhost:3020/mcp?key=your-api-key",
        "--oauth2Bearer",
        "my-token"
      ]
    }
  }
}

🛠️ 功能支持

能力	工具 ID	传输模式	输入	输出
全图万物检测	`detect-all-objects`	STDIO/HTTP	图片链接	类别 + bbox +（可选）描述
指定目标检测	`detect-objects-by-text`	STDIO/HTTP	图片链接 + 英文名词（用点号分隔多类，如 `person.car`）	指定对象的 bbox +（可选）描述
人体姿态检测	`detect-human-pose-keypoints`	STDIO/HTTP	图片链接	17 个关键点 + bbox +（可选）描述
检测结果可视化	`visualize-detection-result`	仅 STDIO	图片链接 + 检测结果数组	生成本地标注图片路径

应用案例

场景	输入	输出
检测定位	💬 提示词： `帮我框选森林里的` `着火范围并可视化` 🖼️ 输入图片：
物体计数	💬 提示词： `请帮我分析这张` `仓库图片，检测其中` `的所有纸箱，统计` `总数量` 🖼️ 输入图片：
特征检测	💬 提示词： `找到图中所有红色` `的车，并可视化展示` 🖼️ 输入图片：
属性推理	💬 提示词： `找到图中最高的人，` `并描述他的着装，` `用 Canvas 可视化` 🖼️ 输入图片：
全图检测	💬 提示词： `找到图中维生素C` `含量最高的水果` 🖼️ 输入图片：	Answer: Kiwi fruit (93mg/100g)
姿态分析	💬 提示词： `请分析这是什么` `瑜伽姿势，并用` `canvas 显示关键点` 🖼️ 输入图片：