一个强大的模型上下文协议(MCP)服务器,使用高级启发式方法来分析图像并生成智能描述性文件名。非常适合整理大型照片集、截图和数字资产。
cd /Users/anthonyturner/MCPs/image-analysis-server
chmod +x setup.sh
./setup.sh
# 安装依赖项
pip3 install mcp Pillow
# 设置可执行权限
chmod +x enhanced_image_analysis_server.py
在你的claude_desktop_config.json中添加:
{
"mcpServers": {
"image-analysis": {
"command": "python3",
"args": ["/Users/anthonyturner/MCPs/image-analysis-server/enhanced_image_analysis_server.py"],
"env": {}
}
}
}
配置文件位置:
~/Library/Application Support/Claude/claude_desktop_config.jsonai_analyze_directory_images分析目录中的所有图像并生成智能名称。
参数:
directory_path(必需):包含图像的目录路径recursive(可选):搜索子目录(默认:false)rename_files(可选):实际重命名文件(默认:false)prefix(可选):添加到生成名称的前缀naming_style(可选):命名风格(默认:"descriptive")示例用法:
分析~/Pictures/vacation2024中的所有图像,并使用技术风格建议更好的名称
ai_analyze_single_image分析单个图像文件并生成描述性名称。
参数:
image_path(必需):图像文件路径naming_style(可选):命名风格(默认:"descriptive")detailed_analysis(可选):提供全面分析(默认:false)示例用法:
使用艺术性命名风格分析/Users/me/Desktop/photo.jpg,并进行详细分析
extract_comprehensive_metadata提取包括EXIF数据和颜色分析在内的详细元数据。
参数:
image_path(必需):图像文件路径include_color_analysis(可选):包含颜色调色板分析(默认:true)示例用法:
从我的截图中提取包括颜色分析在内的综合元数据
organize_images_by_content根据检测到的内容和特征将图像组织到文件夹中。
参数:
directory_path(必需):包含图像的目录路径create_folders(可选):实际创建文件夹并移动文件(默认:false)organization_method(可选):组织方法(默认:"content")组织方法:
content:按检测到的内容(截图、照片、肖像等)date:按创建日期(YYYY-MM格式)size:按图像分辨率(小、中、大、巨大)format:按文件格式(jpg、png、gif等)专注于视觉内容和特征:
red_landscape_photo.jpgblue_portrait_screenshot.png强调技术规格:
large_res_landscape_camera.jpgmedium_res_portrait_screenshot.png突出美学品质:
red_bright_photo.jpggray_dark_bw.png设计用于按上下文组织:
dated_landscape.jpgphoto_portrait.png服务器通过分析文件名模式来检测:
我有一个杂乱的下载文件夹,里面有很多图像。你能按内容类型整理它们并建议更好的名称吗?
递归分析~/Pictures/Hawaii2024中的所有图像,使用带有前缀"hawaii"的描述性命名,并实际重命名文件
从~/Desktop/camera_test.jpg中提取包括颜色分析和EXIF数据在内的综合元数据
按内容组织~/Desktop中的所有图像,实际创建文件夹并移动文件
“未找到图像文件”
“权限被拒绝”
“无法分析图像”
# 使用调试日志运行
python3 enhanced_image_analysis_server.py --debug
该服务器旨在易于扩展:
MIT许可 - 随意修改和分发。
欢迎贡献!改进领域:
准备好智能地组织您的图像了吗?安装增强图像分析MCP服务器并转变您的照片管理流程!