01
Ve imágenes dentro de tu agente actual
Una vez conectados mediante MCP, Codex, Claude Code, Cursor y otros clientes pueden trabajar con imágenes en la misma conversación.
Resumen del producto
Servicio de visión multimodal de código abierto para agentes de IA (MCP)
Shadow Vision
v0.1.1 MCP de código abierto
Ayuda a una IA basada en texto a entender imágenes
Cuando un modelo de texto responde «No puedo ver la imagen» después de que compartes una captura de pantalla, Shadow Vision añade herramientas de visión mediante MCP para que puedas seguir trabajando en el agente que ya usas.
01 / El resultado
Cómo ayuda
02
No te quedes atado a un solo modelo
Cambia entre los backends de Ollama, compatibles con OpenAI, Anthropic y Gemini según cambien la tarea, el coste o la calidad.
03
Mantén las imágenes sensibles en tu dispositivo
Con Ollama, la imagen y la inferencia se quedan en local, lo que da a las capturas internas y a los documentos privados un límite más claro.
04
Trae imágenes desde donde ya están
Usa un archivo local, datos base64 o la URL de una imagen remota, con límites de seguridad para las peticiones remotas.
03 / Qué puede hacer
De ver a hacer
El agente recibe más que una descripción: recibe resultados estructurados que puede revisar, comparar y convertir en el siguiente paso.
01
vision_ocrExtrae texto de capturas de pantalla, recibos, documentos y tablas para que el agente pueda buscarlo, organizarlo y citarlo.
02
vision_inspectPregunta «¿qué pasa con esta interfaz?» y deja que el agente entienda la escena antes de explicarla o revisarla.
03
vision_annotateLee círculos, flechas, subrayados y resaltados para que el agente pueda relacionar el punto que marcaste con el objeto correcto.
04
vision_layoutDescompón una interfaz en elementos, posiciones, estilos de texto y relaciones para revisarla, depurarla o generar código.
05
vision_reconstructGenera un borrador en HTML, React o SVG a partir de una captura de referencia, en lugar de empezar desde una página en blanco.
06
vision_compareReúne imágenes de antes y después, fotogramas o documentos relacionados, y muestra qué cambió y por qué importa.
04 / Elige tu límite de datos
Elige la fuente visual que se ajuste a tus datos
Los modelos locales, los modelos en la nube y los servicios compatibles usan el mismo punto de entrada MCP.
01
Ollama
Mantén las imágenes y la inferencia en local para capturas de código, documentos internos y otro contenido que no quieras enviar fuera.
02
Compatible con OpenAI
¿Ya usas LM Studio, vLLM u otro servicio con protocolo OpenAI? Cambia la configuración, no el cliente.
03
Anthropic
Elige los modelos de visión de Claude cuando la tarea necesite una comprensión más profunda de las imágenes y más razonamiento.
04
Gemini
Elige Gemini cuando el trabajo se beneficie de una comprensión multimodal más amplia.
05 / Funciona con tu agente
Conserva tu agente; dale vista
Conéctalo una vez y usa el mismo punto de entrada visual desde Codex, Claude Code, Cursor y más.
Un solo comando de inicio compartido: uv run shadow-vision
Codex
Claude Code
Cursor
VS Code Copilot
Windsurf
Claude Desktop
OpenCode
02 / Casos de uso
Casos de uso
01
Desarrolladores
Dale a un agente una captura de un error, un wireframe o un diseño, y deja que lo entienda, lo revise, lo explique o lo convierta en código.
02
Investigación y trabajo documental
Extrae información de gráficos de artículos, documentos escaneados y tablas sin el ciclo habitual de captura y copia.
03
Cuando las imágenes deben mantenerse privadas
Usa un backend local de Ollama para capturas sensibles y documentos internos, y mantén el límite de datos en tu dispositivo.
06 / Preguntas
Preguntas frecuentes
Respuestas claras sobre funciones, compatibilidad y privacidad
¿Qué es Shadow Vision y cómo se integra con los agentes de IA?
Shadow Vision es un servicio visual de código abierto basado en Model Context Protocol (MCP). Dota a los agentes de programación con IA (Cursor, Claude Code, Codex) de 6 herramientas visuales estructuradas: OCR de pantalla, análisis de diseño de interfaz, inspección de diferencias visuales, lectura de anotaciones y reconstrucción de UI a código.
¿Shadow Vision puede funcionar totalmente sin conexión con código y datos de interfaz sensibles?
Sí. Shadow Vision es compatible de forma nativa con backends de visión locales de Ollama (p. ej. Qwen2-VL, LLaVA). Todas las capturas y las inferencias permanecen estrictamente en tu máquina, manteniendo a salvo los diseños internos y el código sensibles.
¿Qué backends de modelos de visión son compatibles?
Admite backends intercambiables, incluidos Ollama local, servidores compatibles con OpenAI (vLLM, LM Studio, DeepSeek), Anthropic Claude 3.5 Sonnet y modelos multimodales de Google Gemini, seleccionables con una configuración sencilla.
“Según la investigación en ingeniería de software, los agentes de IA especializados y los flujos de trabajo reducen la sobrecarga operativa y aumentan la precisión de las tareas cuando se integran con límites explícitos. Los estudios muestran que las herramientas enfocadas superan a los sistemas monolíticos en entornos reales.”