01
Veja imagens dentro do seu Agent atual
Depois de conectados via MCP, o Codex, o Claude Code, o Cursor e outros clientes podem trabalhar com imagens na mesma conversa.
Visão geral do produto
Serviço de visão multimodal open source para agentes de IA (MCP)
Shadow Vision
v0.1.1 MCP open source
Ajude uma IA baseada em texto a entender imagens
Quando um modelo de texto responde “Não consigo ver a imagem” depois que você envia um print, o Shadow Vision adiciona ferramentas de visão via MCP para que você continue trabalhando no Agent que já usa.
01 / O resultado
Como ajuda
02
Não fique preso a um único modelo
Alterne entre os backends Ollama, compatíveis com OpenAI, Anthropic e Gemini conforme mudarem a tarefa, o custo ou a qualidade.
03
Mantenha imagens sensíveis no seu dispositivo
Com o Ollama, a imagem e a inferência permanecem locais, o que dá um limite mais claro para capturas de tela internas e documentos privados.
04
Traga imagens de onde elas já estão
Use um arquivo local, dados em base64 ou a URL de uma imagem remota, com limites de segurança para requisições remotas.
03 / O que ele faz
Do ver ao agir
O Agent recebe mais do que uma descrição: recebe resultados estruturados que pode inspecionar, comparar e transformar no próximo passo.
01
vision_ocrExtraia texto de capturas de tela, recibos, documentos e tabelas para que o Agent possa pesquisar, organizar e citar.
02
vision_inspectPergunte “o que há de errado nesta interface?” e deixe o Agent entender a cena antes de explicar ou verificar.
03
vision_annotateLeia círculos, setas, sublinhados e destaques para que o Agent conecte o ponto que você marcou ao objeto certo.
04
vision_layoutDivida uma interface em elementos, posições, estilos de texto e relações para revisão, depuração ou geração de código.
05
vision_reconstructGere um rascunho em HTML, React ou SVG a partir de uma captura de tela de referência, em vez de começar de uma página em branco.
06
vision_compareReúna imagens de antes e depois, quadros ou documentos relacionados e mostre o que mudou e por que isso importa.
04 / Escolha o limite dos seus dados
Escolha a fonte de visão que se adapta aos seus dados
Modelos locais, modelos em nuvem e serviços compatíveis usam o mesmo ponto de entrada MCP.
01
Ollama
Mantenha imagens e inferência locais para capturas de código, documentos internos e outros conteúdos que você não quer enviar para fora.
02
Compatível com OpenAI
Já usa o LM Studio, o vLLM ou outro serviço com protocolo OpenAI? Altere a configuração, não o cliente.
03
Anthropic
Escolha os modelos de visão do Claude quando a tarefa exigir compreensão de imagem e raciocínio mais profundos.
04
Gemini
Escolha o Gemini quando o trabalho se beneficiar de uma compreensão multimodal mais ampla.
05 / Funciona com o seu Agent
Mantenha o seu Agent; dê a ele a visão
Conecte uma vez e use o mesmo ponto de entrada visual a partir do Codex, do Claude Code, do Cursor e de outros.
Um único comando de inicialização: uv run shadow-vision
Codex
Claude Code
Cursor
VS Code Copilot
Windsurf
Claude Desktop
OpenCode
02 / Casos de uso
Casos de uso
01
Desenvolvedores
Dê a um Agent uma captura de erro, um wireframe ou um design, e deixe que ele entenda, revise, explique ou transforme isso em código.
02
Pesquisa e trabalho com documentos
Extraia informações de gráficos de artigos, documentos digitalizados e tabelas sem o ciclo habitual de capturar a tela e copiar.
03
Quando as imagens devem permanecer privadas
Use um backend Ollama local para capturas sensíveis e documentos internos, mantendo o limite dos dados no seu dispositivo.
06 / Dúvidas
Perguntas frequentes
Respostas claras sobre funcionalidades, compatibilidade e privacidade
O que é o Shadow Vision e como ele se integra a agentes de IA?
O Shadow Vision é um serviço visual open source baseado no Model Context Protocol (MCP). Ele dá aos agentes de código de IA (Cursor, Claude Code, Codex) 6 ferramentas de visão estruturadas: OCR de tela, análise de layout de interface, inspeção de diferenças visuais, leitura de anotações e reconstrução de interface em código.
O Shadow Vision funciona totalmente offline para código e interfaces sensíveis?
Sim. O Shadow Vision suporta nativamente backends de visão locais do Ollama (por exemplo, Qwen2-VL e LLaVA). Todas as capturas e inferências ficam estritamente na sua máquina, mantendo designs internos e código sensíveis em segurança.
Quais backends de modelo de visão são suportados?
Suporta backends plugáveis, incluindo Ollama local, servidores compatíveis com OpenAI (vLLM, LM Studio, DeepSeek), Anthropic Claude 3.5 Sonnet e modelos multimodais do Google Gemini, selecionáveis por configuração simples.
“Segundo a pesquisa em Engenharia de Software, agentes de IA especializados e fluxos de trabalho reduzem a sobrecarga operacional e aumentam a precisão das tarefas quando integrados com limites explícitos. Estudos mostram que ferramentas focadas superam sistemas monolíticos em ambientes reais.”