项目简介

Proofly 集成 MCP 服务器是一个基于 Model Context Protocol (MCP) 的后端实现，它使得支持 MCP 协议的 LLM 客户端（如某些代码编辑器、AI 助手应用）能够调用 Proofly 提供的深度伪造检测和图像分析服务。它作为一个本地或远程运行的服务器，通过标准接口接收来自 LLM 的请求，处理后返回结果。

主要功能点

该 MCP 服务器通过 MCP 的工具（Tools）机制，提供以下核心功能：

• 分析网络图片: 允许 LLM 提供一个图片的 URL，服务器会下载图片并提交给 Proofly API 进行深度伪造分析。
• 分析本地图片: 允许 LLM 提供一个图片的 Base64 编码字符串，服务器会将图片数据提交给 Proofly API 进行分析。
• 查询分析状态: 根据之前分析任务返回的会话 UUID，查询该任务的当前处理状态。
• 获取面部详情: 根据分析会话 UUID 和面部索引，获取特定检测到的面部的详细分析结果（如真伪概率、模型评分等）。

这些功能使得 LLM 能够直接通过对话或指令触发对图像内容的专业分析。

安装步骤

该项目通常以 npm 包的形式运行，需要 Node.js 环境。

1. 确保已安装 Node.js 和 npm/npx：如果未安装，请访问 https://nodejs.org/ 下载安装。
2. 运行 MCP 服务器：
   • 使用 npx (推荐)：在命令行运行 'npx proofly-mcp@latest'。npx 会自动下载并运行最新版本的 'proofly-mcp' 包。
   • 全局安装后运行：在命令行运行 'npm install -g proofly-mcp' 进行全局安装，然后运行 'proofly-mcp' 命令启动服务器。

服务器启动后，会通过标准输入/输出 (Stdio) 协议与 MCP 客户端通信。

服务器配置

该 MCP 服务器是供 MCP 客户端连接使用的。通常需要在你的 MCP 客户端应用（如 Cursor, Claude Desktop 等）的配置文件中添加配置，以便客户端知道如何找到并启动/连接到这个服务器。

对于支持启动本地命令作为 MCP 服务器的客户端，你需要配置服务器的名称、启动命令及其参数。

例如，在一个支持配置本地命令的 MCP 客户端中，你可能需要添加类似以下的信息（具体的配置格式请参考你的客户端文档）：

• 服务器名称: 'proofly' (这是一个标识符，客户端用它来引用这个服务器)
• 命令 (command): 'npx' 或 'proofly-mcp' (取决于你的安装方式和客户端能力)
• 参数 (args):
  • 如果 'command' 是 'npx'，参数可能是 '-y', 'proofly-mcp@latest'。
  • 如果 'command' 是 'proofly-mcp' (全局安装后)，参数列表可能为空 '[]'。
• 支持的方法 (supportedMethods): 列出该服务器提供的工具名称，例如 'analyze-image', 'analyze', 'get-face-details', 'check-session-status'。

此外，为了使用 Proofly API 的全部功能（例如获得更快的分析速度），你可以设置 'PROOFLY_API_KEY' 环境变量，包含你的 Proofly API 密钥。该服务器启动时会读取这个环境变量。

基本使用方法

服务器启动并配置到你的 MCP 客户端后，LLM 客户端就能够感知到 'proofly' 服务器及其提供的工具。

你可以在支持 MCP 工具调用的 LLM 聊天界面或指令模式下，尝试让 LLM 调用这些工具。例如，向 LLM 发出指令：

• “分析这张图片是否存在深度伪造：[图片的URL]” (LLM 可能会调用 'analyze' 工具)
• “检查会话 UUID xxx-yyy-zzz 的分析状态” (LLM 可能会调用 'check-session-status' 工具)
• “获取会话 UUID aaa-bbb-ccc 中检测到的第一个面部的详细信息” (LLM 可能会调用 'get-face-details' 工具，可能需要分两步，先调用 'analyze' 获取 UUID 和面部数量，再调用此工具)

LLM 客户端会负责将你的自然语言请求转换为 MCP 协议的 'callTool' 请求发送给 'proofly' 服务器，服务器处理后将结果返回给 LLM 客户端，最终展示给你。