gemini-mcp
★ 34
vs
groundingLMM
★ 969
gemini-mcp vs groundingLMM
gemini-mcp：@houtini/gemini-mcp 是一个MCP服务器，它将Google Gemini的多种功能，如基于搜索的聊天、图像、SVG和视频生成，直接集成到Claude Desktop和Claude Code CLI中。这使用户能够在现有的Claude工作流中利用强大的AI工具，提高生产力并支持复杂的多模态任务，而无需切换应用程序。；groundingLMM：GLaMM（接地大型多模态模型）是一个端到端训练的大型多模态模型，能够生成与对象分割掩码集成的自然语言响应，实现了视觉接地，并支持在多层次粒度上与图像进行灵活交互。它引入了新颖的接地对话生成（GCG）任务，支持指代表达式分割和区域级图像描述等多种下游应用，并以大规模的GranD数据集为基础。
01
简评
gemini-mcpVision / Multimodal · ★ 34
在Claude中通过基于谷歌搜索的聊天获取最新信息。
groundingLMMVision / Multimodal · ★ 969
理解并响应用户关于特定图像区域查询的交互式视觉助手。
02
并排对比
字段
gemini-mcpgroundingLMM分类
视觉/多模态
视觉/多模态
Stars
★ 34
★ 969
许可证
Apache-2.0
Apache-2.0
安装方式
claude mcp add -e GEMINI_API_KEY=your-api-key-here -s user gemini -- npx -y @houtini/gemini-mcp
git clone https://github.com/mbzuai-oryx/groundingLMM.git
更新时间
1周前
1个月前
开源
是
是
标签
Gemini API, 多模态AI, Claude集成
多模态人工智能, 计算机视觉, 自然语言处理
03
功能特性
gemini-mcp01支持谷歌搜索的聊天和深度研究功能
02多模态内容生成（图像、通过Veo 3.1生成视频、SVG）
03图像编辑和结构化分析（描述、分析、编辑）
04媒体分辨率控制以优化Token使用
05生成包含自给自足HTML输出的网页落地页
groundingLMM01生成与对象分割掩码无缝集成的自然语言响应。
02支持新颖的接地对话生成（GCG）任务，并提供全面的评估协议。
03执行详细的区域级图像描述和回答基于推理的视觉问题。
04通过从基于文本的查询创建分割掩码，擅长指代表达式分割。
05提供高质量的图像描述和会话式问答。
04
使用场景
gemini-mcp↳在Claude中通过基于谷歌搜索的聊天获取最新信息。
↳生成数据驱动的图像（如财务图表）和创意视频以用于不同目的。
↳创建高质量的矢量图形，如架构图或SVG插图。
↳对复杂主题进行多轮迭代的深度研究，并合成完整报告。
↳根据简要描述快速原型设计网页落地页或营销内容。
groundingLMM↳理解并响应用户关于特定图像区域查询的交互式视觉助手。
↳用于创建密集、像素级接地数据集的自动化标注工具。
↳需要视觉理解和带有分割的详细文本描述的高级图像分析任务。
FAQ
常见问题
gemini-mcp 和 groundingLMM 有什么区别？
gemini-mcp 和 groundingLMM 都属于 Vision / Multimodal 类别。gemini-mcp 有 34 Stars，groundingLMM 有 969 Stars。
gemini-mcp 和 groundingLMM 哪个更好？
最佳选择取决于你的具体需求。在Claude中通过基于谷歌搜索的聊天获取最新信息。 时选 gemini-mcp，理解并响应用户关于特定图像区域查询的交互式视觉助手。 时选 groundingLMM。
gemini-mcp 是免费的吗？
是的，gemini-mcp 在 GitHub 开源（Apache-2.0）。
groundingLMM 是免费的吗？
是的，groundingLMM 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→