Paizhaojieti STDIO MCP Server

基于智谱AI拍照解题智能体的STDIO类型MCP服务，支持在ModelScope上使用个人授权的阿里云函数计算资源进行部署。

功能特点

• 📸 拍照解题: 支持数学题、物理题、化学题等各种学科的题目识别和解答
• 🔄 STDIO协议: 符合ModelScope MCP STDIO协议规范
• ☁️ 云原生部署: 支持在ModelScope上使用个人阿里云函数计算资源部署
• 🚀 快速响应: 基于智谱AI拍照解题智能体，响应速度快
• 📦 轻量级: 仅依赖requests库，部署简单
• 🧪 易于测试: 提供完整的测试脚本

技术栈

• Python 3.7+
• requests库
• ModelScope MCP STDIO协议

快速开始

本地开发环境

安装依赖

pip install -r requirements.txt

运行测试

# 运行测试脚本
python test_client.py

测试脚本会自动启动服务，测试所有功能，并输出详细结果。

直接运行服务

python server.py

服务启动后，会从标准输入读取JSON-RPC请求，处理后写入标准输出。

部署到ModelScope

步骤1: 准备GitHub仓库

1. 创建GitHub仓库，命名为 paizhaojieti_stdio_mcp
2. 上传代码到仓库

git init
git add .
git commit -m "Initial commit"
git remote add origin https://github.com/yourusername/paizhaojieti_stdio_mcp.git
git push -u origin main

步骤2: 在ModelScope创建MCP服务

1. 访问 ModelScope MCP广场
2. 点击"创建MCP服务"或"发布MCP服务"
3. 填写基本信息：
   • MCP名称: Paizhaojieti STDIO MCP Server
   • MCP描述: 基于智谱AI拍照解题智能体的STDIO类型MCP服务
   • MCP类型: STDIO
   • GitHub仓库: https://github.com/yourusername/paizhaojieti_stdio_mcp
   • 部署方式: 选择"个人阿里云函数计算资源"
   • 配置文件路径: mcp_config.json
4. 点击"提交"完成创建

步骤3: 验证部署

1. 在ModelScope MCP广场搜索并找到你的服务
2. 点击"调用"按钮
3. 填写测试参数：
   • image_url: 题目图片URL
   • api_key: 智谱AI API密钥
4. 点击"执行"查看结果

使用说明

支持的工具

solve_image_problem

功能: 通过上传图片URL来解题，支持数学题、物理题、化学题等各种学科的题目识别和解答。

参数:

• image_url (必填): 题目图片的URL地址，必须是公网可访问的图片链接
• api_key (必填): 智谱AI的API密钥，用于调用拍照解题智能体

响应示例:

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      {
        "type": "text",
        "text": "1.大语言模型基于 Transformer 架构延伸出不同的路线图，BERT 属于其中哪一种路线图？\nA. Encoder-Only\nB. Decoder-Only\nC. Encoder-decoder\nD. 以上都不是\n【解析】\n本题考查对大语言模型架构的理解。BERT（Bidirectional Encoder Representations from Transformers）是Google在2018年发布的一种预训练语言模型，它基于Transformer架构，但与传统的Transformer不同，BERT采用了Encoder-Only的架构，即只包含编码器部分，没有解码器部分。这种架构使得BERT能够同时考虑上下文信息，进行双向的语义理解，从而在各种自然语言处理任务上取得了显著的效果。因此，正确答案是A。\n\n【答案】\nA. Encoder-Only"
      }
    ]
  }
}

JSON-RPC协议

服务支持以下JSON-RPC方法：

1. initialize

功能: 初始化MCP服务

请求示例:

{"jsonrpc":"2.0","id":1,"method":"initialize","params":{}}

2. tools/list

功能: 获取可用工具列表

请求示例:

{"jsonrpc":"2.0","id":2,"method":"tools/list","params":{}}

3. tools/call

功能: 调用指定工具

请求示例:

{
  "jsonrpc":"2.0",
  "id":3,
  "method":"tools/call",
  "params":{
    "name":"solve_image_problem",
    "arguments":{
      "image_url":"https://example.com/problem.png",
      "api_key":"your_zhipu_api_key"
    }
  }
}

项目结构

paizhaojieti_stdio_mcp/
├── server.py          # STDIO类型MCP服务主程序
├── test_client.py     # 测试脚本
├── requirements.txt   # 依赖文件
├── mcp_config.json    # ModelScope部署配置文件
├── MODELSCOPE_CONFIG.md  # ModelScope部署详细说明
└── README.md          # 项目说明文档

配置文件

mcp_config.json

{
  "name": "paizhaojieti-mcp",
  "version": "1.0.0",
  "description": "基于智谱AI拍照解题智能体的STDIO类型MCP服务",
  "type": "stdio",
  "main": "server.py",
  "command": "python server.py",
  "dependencies": {
    "requirements": "requirements.txt"
  },
  "protocolVersion": "2024-11-05"
}

本地测试

使用提供的测试脚本可以方便地测试服务功能：

python test_client.py

测试脚本会执行以下测试：

1. 初始化服务
2. 获取工具列表
3. 调用解题工具

故障排除

部署失败

• 检查mcp_config.json格式是否正确
• 确保requirements.txt中包含所有必要依赖
• 在本地运行测试脚本验证代码正确性

工具调用失败

• 验证API密钥是否有效
• 确认图片URL是否可访问
• 检查智谱AI API服务状态

日志

服务运行时，会将日志信息输出到标准错误流，包括：

• 服务启动信息
• 收到的请求
• 发送的响应
• 错误信息

注意事项

1. API密钥安全: 请勿将智谱AI API密钥硬编码到代码中
2. 图片URL: 必须是公网可访问的图片链接
3. 服务类型: 此服务为STDIO类型，不支持HTTP访问
4. 部署环境: ModelScope会自动处理依赖安装和服务启动

许可证

MIT License

联系方式

• 项目地址: https://github.com/yourusername/paizhaojieti_stdio_mcp
• Issues: https://github.com/yourusername/paizhaojieti_stdio_mcp/issues
• Email: your.email@example.com

更新日志

v1.0.0 (2026-01-09)

• 初始版本
• 实现了拍照解题功能
• 支持STDIO类型MCP协议
• 提供完整的测试脚本
• 支持在ModelScope上部署