Gemini Vision Skill

一个用于 Claude 的图像识别技能，调用 VectorEngine API 进行图像分析。

功能特性

• 🖼️ 支持三种图片输入方式：URL、Base64、本地文件
• 🔄 支持流式和非流式两种响应模式
• 📝 自定义分析提示词
• 🔧 简洁的命令行接口
• 🤖 支持 MCP 协议，可注册到 Claude Desktop / Claude Code
• 📦 可作为 Node.js 模块导入使用

安装

# 全局安装
npm install -g @neuit/gemini-vision-skill

# 或作为项目依赖安装
npm install @neuit/gemini-vision-skill

配置

在使用前，需要先设置 VectorEngine API 密钥：

node cli.js --set-key YOUR_API_KEY

密钥将保存在 ~/.gemini_vision_config.json 文件中。

注册到 Claude Desktop / Claude Code

方法一：配置 claude_desktop_config.json

编辑 Claude Desktop 配置文件：

macOS 路径：

~/Library/Application Support/Claude/claude_desktop_config.json

Windows 路径：

%APPDATA%\Claude\claude_desktop_config.json

添加以下配置：

{
  "mcpServers": {
    "gemini-vision": {
      "command": "node",
      "args": ["/Users/[user]/Desktop/Mcp/gemini-vision-skill/mcp_server.js"]
    }
  }
}

方法二：使用 npx 方式（推荐）

{
  "mcpServers": {
    "gemini-vision": {
      "command": "npx",
      "args": ["-y", "@neuit/gemini-vision-skill"]
    }
  }
}

重启 Claude Desktop

配置完成后，重启 Claude Desktop 即可在对话中使用 analyze_image 工具。

使用方法

命令行使用

# 分析网络图片
node cli.js --image https://example.com/photo.jpg

# 分析本地图片
node cli.js --image ./my-photo.png

# 分析 Base64 图片
node cli.js --image "data:image/png;base64,iVBORw0KGgo..."

# 自定义提示词
node cli.js --image ./photo.jpg --prompt "这张图片里有几个人?"

# 使用流式输出
node cli.js --image https://example.com/photo.jpg --stream

# 查看帮助
node cli.js --help

作为模块使用

const { analyzeImage, saveApiKey } = require('@neuit/gemini-vision-skill');

// 设置 API 密钥（只需执行一次）
saveApiKey('your-api-key');

// 分析图片
async function main() {
  // 方式1: 分析网络图片 URL
  const result1 = await analyzeImage({
    image: 'https://example.com/photo.jpg',
    prompt: '描述这张图片的内容'
  });
  console.log(result1);

  // 方式2: 分析 Base64 编码的图片
  const result2 = await analyzeImage({
    image: 'data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...',
    prompt: '这张图片里有什么?'
  });
  console.log(result2);

  // 方式3: 分析本地图片文件
  const result3 = await analyzeImage({
    image: './local-image.png',
    prompt: '分析这张图片'
  });
  console.log(result3);
}

main();

在 Claude 中使用 (MCP)

配置完成后，在 Claude Desktop 中可以使用以下方式：

方式1: 使用图片 URL

"帮我分析这张图片：https://example.com/photo.jpg"

方式2: 使用 Base64 数据

使用 analyze_image 工具，传入 image_base64 参数： data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...

Claude 会自动调用 analyze_image 工具进行图像分析。

MCP 工具参数

analyze_image

支持三种图片输入方式（三选一）：

| 参数 | 类型 | 说明 | | ---- | ---- | ---- | | image_url | string | 图片 URL，例如 https://example.com/image.jpg | | image_base64 | string | Base64 编码的图片数据，格式为 data:image/png;base64,BASE64_STRING | | image_path | string | 本地图片文件路径 | | prompt | string | 分析提示词（可选，默认："这张图片里有什么?请详细描述。"） | | model | string | 模型名称（可选，默认：claude-sonnet-4-20250514） |

模块 API 参数

analyzeImage(options)

| 参数 | 类型 | 必填 | 默认值 | 说明 | | ---- | ---- | ---- | ------ | ---- | | image | string | 是 | - | 图片 URL、Base64 数据或本地文件路径 | | prompt | string | 否 | "这张图片里有什么?请详细描述。" | 分析提示词 | | apiKey | string | 否 | 从配置文件读取 | API 密钥 | | model | string | 否 | "claude-sonnet-4-20250514" | 模型名称 | | stream | boolean | 否 | false | 是否使用流式输出 | | systemPrompt | string | 否 | "You are a helpful assistant." | 系统提示词 |

文件结构

gemini-vision-skill/
├── package.json      # 项目配置
├── index.js          # 核心模块
├── cli.js            # 命令行接口
├── mcp_server.js     # MCP 服务器 (用于 Claude Desktop)
└── README.md         # 使用文档

依赖

• node-fetch: HTTP 请求库
• @modelcontextprotocol/sdk: MCP 协议 SDK

许可证

MIT