FaceTron MCP Server

基本能力

产品定位

FaceTron 是一个专注于人脸识别和嵌入的高性能服务器，适用于需要离线或在线人脸识别功能的场景。

核心功能

• 人脸嵌入推理：接受人脸图像，检测人脸并返回标准化的向量嵌入。
• 动态多模型支持：通过 /models 接口加载多个 ONNX 模型（如 ArcFace、SCRFD、Glint360K）。
• 人脸检测与可视化：返回带有边界框和对齐人脸裁剪的图像。
• OpenAPI 3.1 和 Swagger UI：内置交互式 API 文档，便于集成。
• OpenTelemetry 追踪：集成 OpenTelemetry 支持，兼容 Jaeger。
• 模块化设计：支持未来扩展，如 TensorFlow 和 PyTorch 运行时。
• MCP 元数据支持：在 OpenAPI 规范中暴露模型信息，兼容模型连接器协议（MCP）。

适用场景

• 本地或云端的人脸识别服务。
• 需要多模型动态加载的人脸识别应用。
• 需要可视化人脸检测结果的应用。
• 需要集成 OpenTelemetry 追踪的应用。

使用教程

使用依赖

1. 克隆仓库并进入目录：

git clone https://github.com/13shivam/facetron.git
cd facetron

1. 将 ONNX 模型添加到 /models 目录。

安装教程

1. 创建 .env 文件：

MODEL_DIR=models
LOG_LEVEL=info
OTEL_EXPORTER_OTLP_ENDPOINT=http://host.docker.internal:4317
DISABLE_OTEL=false

1. 使用 Docker 启动服务器：

docker-compose up -d

或使用 pip 安装依赖并启动服务器：

pip install -r requirements.txt
python main.py

调试方式

1. 访问 Swagger UI： http://127.0.0.1:8000/docs#/

2. 访问 Jaeger UI 查看追踪： http://localhost:16686/search

3. 运行测试脚本：

python local_tester_client.py

1. 使用 curl 测试推理 API：

curl --location 'http://localhost:8000/infer' --header 'Content-Type: application/json' --form 'model_name="buffalo"' --form 'image_format="jpg"' --form 'file=@"/path/to/your/image.jpg"'

许可证

该项目遵循 MIT 开源许可条款，请参阅 MIT 了解完整条款。