MiMo MCP Server

• 一个为 MiMo 多模态模型能力提供统一的 Model Context Protocol (MCP) 接口的服务器，支持图像理解、音频理解、视频理解、语音识别和语音合等功能成等功能。
• 当你使用的模型不支持多模态时，可以使用该方式获得多模态能力。 例如 mimo-v2.5-pro 没有多模态能力，但是可以通过该 MCP Server 调用拥有多模态能力的 mimo-v2.5 模型。

功能特性

| 功能模块 | 特性说明 | 支持格式/场景 | 对话图例 | | ------------- | --------------------------------------------------------------------------------------- | ----------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------- | | 🖼️ 图像理解 | 支持图像 URL、Base64 编码、本地文件路径等多种输入方式。支持单张或多张图像分析。支持图像描述、OCR 文字提取、场景识别等。 | JPEG、PNG、GIF、WebP、BMP | 图像理解示例 | | 🎵 音频理解 | 支持音频 URL、Base64 编码、本地文件路径等多种输入方式。支持音频内容分析、情感识别、语言检测等。 | MP3、WAV、FLAC、M4A、OGG | 音频理解示例 | | 🎬 视频理解 | 支持视频 URL、Base64 编码、本地文件路径等多种输入方式。支持视频内容分析、场景描述、动作识别等。 | MP4、MOV、AVI、WMV | 视频理解示例 | | 🎤 语音识别 (ASR) | 支持中文、英文及自动语言检测。支持方言识别（粤语、吴语、闽南语、四川话等）。 | 会议转写、歌词识别、嘈杂环境录音 | 语音识别示例 | | 🔊 语音合成 (TTS) | 预置音色：提供多种预置音色（冰糖、茉莉、苏打、白桦等）。音色设计：通过文本描述自定义音色特征。音色复刻：基于音频样本克隆音色。支持情感控制和风格指令。 | 多种预置音色 + 自定义音色设计 + 音频克隆 | 使用预置音色、使用文本设计音色、使用文本设计音色（智能润色）、音色复刻 |

Tips:

• 工具参数说明
• MIMO 模型更多参数、功能见底部“相关链接”
• MIMO Studio https://aistudio.xiaomimimo.com/

快速开始

• 请先确保你的环境中已安装 NodeJS，建议版本 >= 22

方式一：直接使用 NPM 上发行的包 mimo-mcp-server

• MCP Server 配置

{
  "mcpServers": {
    "mimo-mcp-server": {
      "command": "npx",
      "args": [
        "mimo-mcp-server",
        "-y"
      ],
      "env": {
        "MIMO_API_KEY": "your-api-key-here"
      }
    }
  }
}

方式二：从 GitHub 下载项目文件

• 下载、安装、构建项目

# 下载项目文件
git clone https://github.com/AlionSSS/mimo-mcp-server.git
cd mimo-mcp-server

# 安装依赖
npm install
# 构建
npm run build

• MCP Server 配置

{
  "mcpServers": {
    "mimo-mcp-server": {
      "command": "node",
      "args": [
        "<PATH_TO>/mimo-mcp-server/dist/index.js"
      ],
      "env": {
        "MIMO_API_KEY": "your-api-key-here"
      }
    }
  }
}

可用的环境变量 env

# 必需：MiMo API Key
MIMO_API_KEY="your-api-key-here"

# 可选：自定义 API 端点（默认为小米官方端点）
MIMO_API_URL="https://token-plan-cn.xiaomimimo.com/v1/chat/completions"

# 可选：自定义模型 ID
MIMO_MODEL_MULTIMODAL="mimo-v2.5"
MIMO_MODEL_ASR="mimo-v2.5-asr"
MIMO_MODEL_TTS="mimo-v2.5-tts"
MIMO_MODEL_TTS_VOICE_DESIGN="mimo-v2.5-tts-voicedesign"
MIMO_MODEL_TTS_VOICE_CLONE="mimo-v2.5-tts-voiceclone"

项目结构

mimo-mcp-server/
├── src/
│   ├── services/
│   │   └── mimo-client.ts          # MiMo API 客户端
│   ├── tools/
│   │   ├── audio-understanding.ts   # 音频理解工具
│   │   ├── image-understanding.ts   # 图像理解工具
│   │   ├── speech-recognition.ts    # 语音识别工具
│   │   ├── speech-synthesis.ts      # 语音合成工具
│   │   └── video-understanding.ts   # 视频理解工具
│   ├── constants.ts                 # 常量定义
│   ├── index.ts                     # 主入口
│   └── types.ts                     # 类型定义
├── resources/                       # 示例资源
├── docs/                            # 文档
├── package.json
└── tsconfig.json

技术栈

• 运行时: Node.js 22+
• 语言: TypeScript
• 构建工具: esbuild
• MCP SDK: @modelcontextprotocol/sdk
• HTTP 客户端: axios
• 数据验证: zod

开发

• 下载，克隆项目

git clone https://github.com/AlionSSS/mimo-mcp-server.git
cd mimo-mcp-server

• 安装依赖 $ npm install
• 开发模式 $ npm run dev
• 构建 $ npm run build
• 代码检查 $ npx tsc --noEmit

许可证

MIT License

相关链接

• Model Context Protocol
• MiMo 平台文档
• 图像理解文档
• 音频理解文档
• 视频理解文档
• 语音识别文档
• 语音合成文档