准备环境：你需要什么？

首先，你需要在电脑上安装两个东西：Ollama（一个让你在本地运行AI模型的工具）和Python 3.10+（编程语言环境）。Ollama像应用商店，可以下载并运行各种AI模型，而Python用来写连接代码。

• 下载Ollama：访问ollama.com，根据你的系统（Windows、macOS、Linux）下载安装包。安装后，在终端输入 ollama --version 检查是否成功。
• 安装Python：从python.org下载最新版，安装时勾选“Add Python to PATH”。完成后打开终端，输入 python --version 确认。

安装模型：下载MiniCPM-V

MiniCPM-V是一个轻量级视觉模型，只有1.3B参数（参数越多模型越聪明，但这里足够用），大小约1.6GB，适合在普通电脑上运行。在终端执行以下命令：

1. 运行 ollama pull minicpm-v，Ollama会自动下载模型。下载时间取决于网速，耐心等待。
2. 下载完成后，输入 ollama run minicpm-v 测试。如果出现对话提示，说明模型已就绪。输入 /bye 退出。

常见坑：如果下载失败，检查网络连接或更换DNS。Mac用户确保有至少4GB空闲内存。

配置MCP服务器：让AI工具连上视觉能力

MCP（Model Context Protocol）是一种标准协议，让不同AI工具（如Cursor、Claude Desktop）能共享同一个视觉服务。我们需要写一个Python脚本作为服务器。

1. 创建一个文件夹，比如 vision-mcp，在里面新建文件 server.py。
2. 复制以下代码（简化版）到文件中：
   import json, base64, requests
from mcp.server import Server, stdio_server

server = Server('vision-server')

@server.tool('describe_image')
def describe_image(path: str, question: str = '描述这个图片') -> str:
with open(path, 'rb') as f:
img_b64 = base64.b64encode(f.read()).decode()
resp = requests.post('http://localhost:11434/api/chat', json={
'model': 'minicpm-v',
'messages': [{'role': 'user', 'content': question, 'images': [img_b64]}]
})
return resp.json()['message']['content']

if __name__ == '__main__':
stdio_server.run(server)
3. 在终端进入该文件夹，运行 pip install mcp requests 安装依赖。
4. 运行 python server.py，看到“Server started”表示成功。

常见坑：Ollama服务必须保持运行（默认开机自启）。如果报错“Connection refused”，检查Ollama是否启动。

验证：在Cursor中使用

以Cursor为例，配置MCP连接：

1. 打开Cursor，进入设置 → MCP。
2. 添加一个MCP服务器：名称随意，类型选“stdio”，命令填 python /绝对路径/server.py（替换为你的实际路径）。
3. 重启Cursor。在聊天窗口输入“describe_image 图片路径”，如果返回描述，就成功了！

你也可以在Claude Desktop或Hermes中做类似配置。现在，你的AI助手不仅能看文字，还能“看”图片了——所有数据都在本地，无需上传云端。

下一步：试试用 ocr_document 识别发票，或用 compare_images 对比两张截图的不同。更多示例可参考原文中的 examples/ 文件夹。