multimodal-bridge

multimodal-bridge

多模态 MCP 桥 — 给纯文本 LLM 补上视觉理解与图像生成能力，或给多模态模型补上它没有的图像生成能力。

v2.0：双轨工作流

Harness engineering 的第一原则：让模型用它原生的能力干活，桥只补模型真正缺的那一块。

| 能力 | 主线：Kimi Code + K3 | 备选线：Claude Code + DeepSeek |

|------|----------------------|-------------------------------|

| Coding harness | Kimi Code CLI | Claude Code |

| LLM 推理 | K3（1M 上下文，thinking） | DeepSeek V4 Pro（按量计费，便宜一个数量级） |

| 视觉理解 | K3 原生（image_in / video_in） | 经 bridge → Qwen-VL（百炼免费额度） |

| 图像生成 | 经 bridge → Qwen-Image（百炼免费额度） | 经 bridge → Qwen-Image（同左） |

• 主线适合日常重度使用：K3 自带高性能推理与视觉，一手多模态信息，没有中间模型转述的损失；bridge 只在需要出图时登场。
• 备选线适合成本敏感场景：DeepSeek 按 token 计费极便宜，但它没有视觉，qwen_vision 是它看图的唯一途径。

v1 的工作流（Claude Code + DeepSeek + 全功能桥）即现在的备选线，并未废弃——两条线路成本结构不同，按用量选用。

工作流架构

主线 (Kimi Code + K3):
┌───────────────┐     ┌────────────────┐     ┌───────────────────┐
│ Kimi Code CLI │────▶│  K3 (1M ctx)   │────▶│ 代码 + 读图(原生)  │
└──────┬────────┘     └────────────────┘     └───────────────────┘
       │ 需要出图? ──▶ multimodal-bridge ──▶ Qwen-Image

备选线 (Claude Code + DeepSeek):
┌──────────────┐     ┌─────────────────┐     ┌──────────────────┐
│  Claude Code │────▶│ DeepSeek V4 Pro │────▶│ 代码生成 (纯文本) │
└──────┬───────┘     └─────────────────┘     └──────────────────┘
       │ 遇到图片? ──▶ multimodal-bridge ──▶ Qwen-VL / Qwen-Image

安装

git clone https://github.com/Spirit4471/multimodal-bridge.git
cd multimodal-bridge
pip install -r requirements.txt

前置条件：

• Python 3.10+
• [百炼 API Key](https://bailian.console.aliyun.com)（新用户 90 天免费，100万 Token + 500张图）

配置

在项目根目录的 .mcp.json 中声明（Claude Code / Kimi Code 等宿主均会读取）：

{
  "mcpServers": {
    "multimodal-bridge": {
      "command": "python",
      "args": ["C:/WorkSpace/multimodal-bridge/server.py"],
      "env": {
        "QWEN_DASHSCOPE_API_KEY": "sk-xxxxxxxx"
      }
    }
  }
}

按 harness 挂载工具

• Kimi Code + K3：只需要图像生成。可加 "enabledTools": ["qwen_generate"] 只暴露生成工具（Kimi Code 支持该字段）。
• Claude Code + DeepSeek：视觉与生成都需要，两个工具全开。

> 宿主不支持 enabledTools 也无妨——两个工具都挂着，模型会按描述自行选用。

Claude Code + DeepSeek 的 settings.json（备选线）

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
    "ANTHROPIC_MODEL": "deepseek-v4-pro"
  },
  "enabledMcpjsonServers": ["multimodal-bridge"]