DashScope Embedding MCP Server - 提供文本/图片向量化工具，调用阿里百练平台API
npm install @hamaster/dashscope-embedding-serverbash
npm install -g dashscope-embedding-server
`
$3
`bash
cd dashscope-embedding-server
npm install
`
配置
创建 .env 文件并配置阿里百练平台API Key：
`bash
cp .env.example .env
`
编辑 .env 文件：
`env
DASHSCOPE_API_KEY=your_api_key_here
可选：指定使用的模型（默认：multimodal-embedding-v1）
可选值：multimodal-embedding-v1, tongyi-embedding-vision-plus 等
DASHSCOPE_MODEL=multimodal-embedding-v1
可选：指定输出向量维度（默认：1024）
multimodal-embedding-v1 支持：[1024, 768]
tongyi-embedding-vision-plus 支持：[1024, 1536]
DASHSCOPE_DIMENSIONS=1024
`
多API Key支持：
- 支持配置多个API Key，使用逗号分隔
- 服务器会自动轮询使用不同的API Key
- 示例：DASHSCOPE_API_KEY=key1,key2,key3
- 每次API调用时会按顺序使用下一个API Key，实现负载均衡
$3
1. 访问阿里百练平台：https://dashscope.console.aliyun.com/apiKey
2. 登录阿里云账号
3. 创建API Key
4. 复制API Key到 .env 文件
使用方法
$3
`bash
npx -y dashscope-embedding-server
`
$3
在MCP Hub的配置文件中添加以下配置：
`json
{
"mcpServers": {
"dashscope_embedding": {
"command": "npx",
"args": ["-y", "dashscope-embedding-server"],
"env": {
"DASHSCOPE_API_KEY": "your_api_key_here",
"DASHSCOPE_MODEL": "multimodal-embedding-v1",
"DASHSCOPE_DIMENSIONS": "1024"
}
}
}
}
`
配置说明：
- DASHSCOPE_API_KEY：必填，阿里百练平台API Key
- DASHSCOPE_MODEL：可选，使用的模型名称，默认为 multimodal-embedding-v1
- DASHSCOPE_DIMENSIONS：可选，输出向量维度，默认为 1024
$3
`bash
npm start
`
可用工具
$3
调用阿里百练平台API实现文本/图片向量化。自动识别输入类型并返回相应的向量数据。
参数：
- input (string, 必填): 输入内容
- 如果以 http:// 或 https:// 开头，则认为是图片URL，进行图片向量化
- 否则认为是文本，进行文本向量化
文本向量化示例：
`json
{
"input": "这是一个测试文本"
}
`
图片向量化示例：
`json
{
"input": "https://example.com/image.jpg"
}
`
文本向量化返回示例：
`json
{
"success": true,
"type": "text",
"embedding_type": "text",
"embedding": [-0.026611328125, -0.016571044921875, -0.02227783203125, ...],
"dimensions": 1024,
"input": "这是一个测试文本",
"usage": {
"input_tokens": 10
},
"request_id": "1fff9502-a6c5-9472-9ee1-73930fdd04c5"
}
`
图片向量化返回示例：
`json
{
"success": true,
"type": "image"
"embedding_type": "image",
"embedding": [0.051544189453125, 0.007717132568359375, 0.026611328125, ...],
"dimensions": 1024,
"input": "https://example.com/image.jpg",
"usage": {
"input_tokens": 0,
"image_tokens": 896
},
"request_id": "2abc1234-d5e6-7890-1fg2-84841gee05d6"
}
`
API详情
$3
服务器支持通过环境变量配置不同的嵌入模型，默认使用 multimodal-embedding-v1。
可用的模型：
- multimodal-embedding-v1（默认）
- 向量维度：1024 或 768
- 支持类型：文本、图片、视频、多图片
- tongyi-embedding-vision-plus
- 向量维度：1024 或 1536
- 支持类型：文本、图片、视频、多图片
$3
`
https://dashscope.aliyuncs.com/api/v1/services/embeddings/multimodal-embedding/multimodal-embedding
`
$3
`json
{
"model": "multimodal-embedding-v1",
"parameters": {
"text_type": "document",
"dimensions": 1024
},
"input": {
"contents": [
{"text": "文本内容"},
{"image": "图片URL"}
]
}
}
`
$3
`json
{
"output": {
"embeddings": [
{
"index": 0,
"embedding": [向量数据],
"type": "text/image/video"
}
]
},
"usage": {
"input_tokens": 10,
"image_tokens": 896
},
"request_id": "请求ID"
}
`
使用场景
$3
`javascript
// 获取两个文本的向量
const vector1 = await dashscope_embedding({ input: "苹果" });
const vector2 = await dashscope_embedding({ input: "水果" });
// 计算余弦相似度
const similarity = cosineSimilarity(vector1.embedding, vector2.embedding);
`
$3
`javascript
// 获取查询图片的向量
const queryVector = await dashscope_embedding({
input: "https://example.com/query.jpg"
});
// 与数据库中的图片向量比较
// ... 相似度搜索逻辑
`
$3
`javascript
// 使用文本查询图片
const textVector = await dashscope_embedding({
input: "一只猫的照片"
});
// 搜索相似的图片
// ... 向量数据库查询
`
技术栈
- Node.js >= 18.0.0
- @modelcontextprotocol/sdk ^1.25.2
- axios ^1.6.7
错误处理
$3
1. API Key未配置
`
错误: DASHSCOPE_API_KEY environment variable is not set
解决: 在环境变量或MCP Hub配置中设置DASHSCOPE_API_KEY
`
2. API Key无效
`
错误: DashScope API error: 401
解决: 检查API Key是否正确，是否有访问权限
`
3. 图片URL无效
`
错误: DashScope API error: 400
解决: 检查图片URL是否可访问，格式是否正确
`
4. 网络超时
`
错误: No response from DashScope API
解决: 检查网络连接，确认API服务是否正常
`
$3
`json
{
"success": false,
"error": "错误信息",
"details": {
// 详细错误信息
}
}
``