> 从零搭建一个 OpenAI 兼容的识图 MCP Server，让不支持多模态的模型也能看图说话。

---

### 引言

如果你和我一样日常用 WorkBuddy + 自配置DeepSeek的API 来写代码，一定经历过这个瞬间：截了一张报错图想让它帮忙分析，结果对话框里冷冷地蹦出一行——

> "该模型不支持图形输入。"

这一刻的挫败感，懂的都懂。

DeepSeek 在推理和编码上的能力毋庸置疑，但"不能看图"这个硬伤，让很多本该顺畅的工作流硬生生断了链子。切模型？太麻烦。手动描述图片？描述完黄花菜都凉了。

**能不能给它装个外挂？**

答案是 MCP（Model Context Protocol）。这个 Anthropic 推出的工具调用协议，恰好能充当"视觉中间层"——让不会看图的模型通过调用工具，间接获得多模态能力。这篇文章记录了我用 **WorkBuddy** 从零搭建一个识图 MCP Server 的完整过程：30 分钟、纯对话驱动、零手写代码。如果你也想让 DeepSeek 睁开眼睛，欢迎往下看 👇

## 一、痛点：DeepSeek 很强，但它是「盲人」

DeepSeek V4 在推理和编码上的表现有目共睹。但有一个硬伤——**它不支持多模态输入**。当你丢给它一张架构图、一份扫描件、甚至只是截图里的一行报错信息时，WorkBuddy只能无奈地提示你：

> 该模型不支持图形输入

这就是我遇到的真实场景：用 WorkBuddy + DeepSeek 写代码时，经常需要分析 UI 设计稿、排查截图中的错误日志。每次都切到别的多模态模型再回来，效率极低。

**能不能让 DeepSeek 也能"看图"？**

---

## 二、思路：MCP 协议充当「视觉外挂」

[MCP](https://modelcontextprotocol.io)（Model Context Protocol）是 Anthropic 推出的 AI 工具调用标准协议。简单说，它让 LLM 能像调用函数一样调用外部工具。

![架构图](https://developer.qcloudimg.com/http-save/yehe-9400532/57807e6e46a816797d3b65296d1219f2.png)

核心思路很简单：

``` markdown
DeepSeek（无视觉）──→ MCP analyze_image 工具 ──→ OpenAI 兼容的多模态 API
       ↑                                              │
       └──────────── 分析结果文本 ←───────────────────┘
```

DeepSeek 不需要"看懂"图片——它只需要调用一个工具，把图片发给能看懂的模型（如 qwen3.6 / gpt-4o），再把返回的文字描述读回来。

**整个对话过程对用户完全透明**，你只需要像往常一样贴图提问。

---

## 三、实战：用 WorkBuddy 30 分钟搞定

WorkBuddy 在这里展示了它真正的威力——全程对话驱动，零手动操作。

### 3.1 一句话创建项目

> "帮我创建一个识图 MCP Server，平台名称：自建的New API，模型名称：qwen3.6-35b-a3b。请完成以下步骤：1. 创建 MCP server 目录，2. 安装 @modelcontextprotocol/sdk 依赖，3. 编写 index.js，实现 analyze_image 工具，4. 注册到 MCP 配置中，5. 验证可用。"

WorkBuddy 自动完成了：
- 创建 `mcp-image-analyzer/` 项目目录
- 初始化 `package.json` + 安装 `@modelcontextprotocol/sdk` 和 `openai`
- 编写完整的 `index.js`（~200 行），实现 `analyze_image` 工具
- 注册到 `~/.workbuddy/mcp.json` 配置文件

![配置界面](https://developer.qcloudimg.com/http-save/yehe-9400532/31adca8248427f9ca7b0be615db08dfb.png)

### 3.2 工具能力

`analyze_image` 支持三种图片来源：

| 参数 | 说明 |
|------|------|
| `image_path` | 本地文件绝对路径 |
| `image_base64` | Base64 编码的图片数据 |
| `image_url` | 公网可访问的图片 URL |

加上分析的 `prompt` 指令和精度 `detail` 选项，覆盖了日常所有识图场景。

### 3.3 测试验证

配置好 API Key 后，WorkBuddy 自动生成了测试图片并跑通了端到端流程：

![测试结果](https://developer.qcloudimg.com/http-save/yehe-9400532/7d3e1d71fb68845a3de4e1d8cd19787d.png)

---

## 四、开源：脱敏 + 文档一条龙

项目跑通后，我决定把它开源。WorkBuddy 又展示了它的细心：

> "帮我把这个项目脱敏后开源"

它自动识别并处理了：
- 🔒 移除硬编码的 API 地址和模型名
- 🔒 环境变量统一为 `OPENAI_*` 标准命名
- 🔒 错误信息不再暴露内部端点
- 📝 生成 README.md + INSTALL.md（225 行中英双语安装指南）
- 📄 添加 MIT License

现在这个项目已经在 CNB 上开源：[wuyin.keji/Tools/MCP-Image-Analyzer](https://cnb.cool/wuyin.keji/Tools/MCP-Image-Analyzer)

---

## 五、评价：WorkBuddy 让我「说到做到」

整件事从想法到开源仓库上线，前后不到 1 小时。这不是夸张——WorkBuddy 的几个特性实实在在改变了我的工作流：

### 🚀 效率提升肉眼可见

| 任务 | 传统方式 | WorkBuddy |
|------|----------|-----------|
| 创建 MCP Server 项目 | 查文档 → 写样板 → 调试 → 2h+ | 一句话 → 5 分钟 |
| 编写 200 行 index.js | 手写 + 调试 → 1h | 自动生成 → 一次跑通 |
| 开源脱敏 | 逐行检查 → 30min | 一句话 → 2 分钟 |
| 写安装文档 | 从头写 → 1h | 自动生成 225 行 → 微调即可 |

### 🎯 最打动我的三个细节

1. **自动验证**：每写完一段代码，它自己写测试→运行→确认通过，不是"写完不管"
2. **安全意识**：脱敏时主动发现了我没注意到的信息泄露点（错误信息暴露 Base URL）
3. **增量可用**：先让功能跑通，再优化细节，不追求一步到位

WorkBuddy 帮我至少节省了 **80%** 的重复劳动——尤其是项目初始化、样板代码、文档撰写这些 AI 天然擅长的事，它做得比人更快更稳。

---

## 六、你也可以试试

如果你也在用 WorkBuddy + 自配置DeepSeek的API ，这个 MCP Server 可以立刻让你的模型获得视觉能力：

```bash
git clone https://github.com/maimai06/mcp-image-analyzer.git
cd mcp-image-analyzer
npm install
```

然后在 `~/.workbuddy/mcp.json` 中添加配置，填入你的多模态 API 信息，Trust 连接器即可。

详细安装步骤见仓库的 [INSTALL.md](https://cnb.cool/wuyin.keji/Tools/MCP-Image-Analyzer/-/blob/main/docs/INSTALL.md)。

---

> **WorkBuddy 帮我提升了 80% 的开发效率，它的自动验证和安全意识让我完全信任它来守护代码质量。从一个想法到一个完整的开源项目，全程对话驱动，这种体验真的太棒了！** 🎨


从零搭建一个 OpenAI 兼容的识图 MCP Server，让不支持多模态的模型也能看图说话。

WorkBuddy + MCP：给 DeepSeek 装上「眼睛」，打造你自己的识图工具箱

开发工具

人工智能

客户端

教你30分钟搭建OpenAI兼容识图MCPServer，让DeepSeek等模型也能看图说话。通过MCP协议调用多模态API，无需切换模型即可分析图片内容。全程使用WorkBuddy自动生成代码和文档，实现零手写代码快速部署。开源项目已上线，包含详细安装指南，助你轻松为模型添加视觉能力。

代码解释

WorkBuddy 

DeepSeek

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

WorkBuddy + MCP：给 DeepSeek 装上「眼睛」，打造你自己的识图工具箱-腾讯云开发者社区-腾讯云

WorkBuddy + MCP：给 DeepSeek 装上「眼睛」，打造你自己的识图工具箱

WorkBuddy + MCP：给 DeepSeek 装上「眼睛」，打造你自己的识图工具箱

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐