01
Lihat gambar di dalam Agent yang sudah ada
Setelah terhubung lewat MCP, Codex, Claude Code, Cursor, dan klien lain dapat bekerja dengan gambar dalam percakapan yang sama.
Ikhtisar produk
Layanan Visi Multimodal Open Source untuk Agen AI (MCP)
Shadow Vision
v0.1.1 MCP Open Source
Bantu AI berbasis teks memahami gambar
Saat model teks membalas “Saya tidak bisa melihat gambarnya” setelah Anda membagikan tangkapan layar, Shadow Vision menambahkan alat visual lewat MCP agar Anda tetap bisa bekerja di Agent yang sudah Anda gunakan.
01 / Hasilnya
Cara membantu
02
Tidak terkunci pada satu model
Beralih antara backend Ollama, kompatibel OpenAI, Anthropic, dan Gemini saat tugas, biaya, atau kualitas berubah.
03
Simpan gambar sensitif di perangkat Anda
Dengan Ollama, gambar dan inferensi tetap lokal, sehingga tangkapan layar internal dan dokumen pribadi memiliki batas data yang lebih jelas.
04
Bawa gambar dari tempat asalnya
Gunakan file lokal, data base64, atau URL gambar jarak jauh, dengan batasan keamanan untuk permintaan jarak jauh.
03 / Apa yang bisa dilakukan
Dari melihat menjadi bertindak
Agent mendapat lebih dari sekadar deskripsi: ia mendapat hasil terstruktur yang bisa diperiksa, dibandingkan, dan dijadikan langkah berikutnya.
01
vision_ocrAmbil teks dari tangkapan layar, struk, dokumen, dan tabel agar Agent dapat mencari, mengatur, dan mengutipnya.
02
vision_inspectTanyakan “apa yang salah dengan antarmuka ini?” dan biarkan Agent memahami adegannya sebelum menjelaskan atau memeriksanya.
03
vision_annotateBaca lingkaran, panah, garis bawah, dan sorotan agar Agent dapat menghubungkan titik yang Anda tandai dengan objek yang tepat.
04
vision_layoutPecah antarmuka menjadi elemen, posisi, gaya teks, dan relasi untuk ditinjau, di-debug, atau dijadikan dasar pembuatan kode.
05
vision_reconstructHasilkan draf HTML, React, atau SVG dari tangkapan layar referensi, alih-alih mulai dari halaman kosong.
06
vision_compareSatukan gambar sebelum dan sesudah, bingkai, atau dokumen terkait, lalu tunjukkan apa yang berubah dan mengapa itu penting.
04 / Pilih batas data Anda
Pilih sumber visi yang sesuai dengan data Anda
Model lokal, model cloud, dan layanan yang kompatibel semuanya menggunakan titik masuk MCP yang sama.
01
Ollama
Simpan gambar dan inferensi secara lokal untuk tangkapan layar kode, dokumen internal, dan konten lain yang tidak ingin Anda kirim keluar.
02
Kompatibel OpenAI
Sudah memakai LM Studio, vLLM, atau layanan protokol OpenAI lainnya? Ubah konfigurasinya, bukan kliennya.
03
Anthropic
Pilih model visi Claude saat tugas membutuhkan pemahaman gambar dan penalaran yang lebih dalam.
04
Gemini
Pilih Gemini saat pekerjaan Anda diuntungkan oleh pemahaman multimodal yang lebih luas.
05 / Bekerja bersama Agent Anda
Pertahankan Agent Anda, berikan penglihatan
Hubungkan sekali, lalu gunakan titik masuk visual yang sama dari Codex, Claude Code, Cursor, dan lainnya.
Satu perintah start bersama: uv run shadow-vision
Codex
Claude Code
Cursor
VS Code Copilot
Windsurf
Claude Desktop
OpenCode
02 / Kasus penggunaan
Kasus Penggunaan
01
Developer
Berikan Agent tangkapan layar error, wireframe, atau desain, lalu biarkan ia memahami, meninjau, menjelaskan, atau mengubahnya menjadi kode.
02
Riset dan pekerjaan dokumen
Ekstrak informasi dari grafik makalah, dokumen hasil pindai, dan tabel tanpa siklus tangkap layar lalu salin yang biasa.
03
Saat gambar harus tetap privat
Gunakan backend Ollama lokal untuk tangkapan layar sensitif dan dokumen internal, sehingga batas data tetap berada di perangkat Anda.
06 / Pertanyaan
Pertanyaan yang Sering Diajukan
Jawaban jelas tentang fitur, kompatibilitas, dan privasi
Apa itu Shadow Vision dan bagaimana ia terintegrasi dengan agen AI?
Shadow Vision adalah layanan visual Model Context Protocol (MCP) yang bersifat open source. Layanan ini membekali agen pengodean AI (Cursor, Claude Code, Codex) dengan 6 alat visi terstruktur: OCR layar, pengurai tata letak UI, inspeksi perbedaan visual, pembacaan anotasi, dan rekonstruksi UI menjadi kode.
Apakah Shadow Vision dapat beroperasi sepenuhnya offline untuk data kode dan UI yang sensitif?
Bisa. Shadow Vision secara native mendukung backend visi Ollama lokal (misalnya Qwen2-VL, LLaVA). Semua tangkapan layar dan inferensi tetap sepenuhnya di mesin lokal Anda, sehingga desain dan kode internal yang sensitif tetap aman.
Backend model visi mana saja yang didukung?
Aplikasi ini mendukung backend yang dapat dipasang, termasuk Ollama lokal, server kompatibel OpenAI (vLLM, LM Studio, DeepSeek), Anthropic Claude 3.5 Sonnet, dan model multimodal Google Gemini, yang dapat dipilih melalui konfigurasi yang sederhana.
“Menurut Software Engineering Research, agent AI dan alur kerja yang terspesialisasi mengurangi beban operasional dan meningkatkan akurasi tugas ketika diintegrasikan dengan batasan yang jelas. Studi menunjukkan bahwa alat yang terfokus mengungguli sistem monolitik di lingkungan dunia nyata.”