Обзор продукта

Открытый мультимодальный сервис зрения для ИИ-агентов (MCP)

Shadow Vision

v0.1.1 · открытый MCP

Помогите AI, работающему с текстом, понимать изображения

Когда текстовая модель отвечает «Я не вижу изображение» после вашего скриншота, Shadow Vision добавляет инструменты зрения через MCP — и вы продолжаете работать в привычном агенте.

GitHub

01 / Результат

Чем помогает

Смотрите изображения в своём агенте

После подключения через MCP Codex, Claude Code, Cursor и другие клиенты работают с изображениями в том же диалоге.

Не привязывайтесь к одной модели

Переключайтесь между бэкендами Ollama, OpenAI-совместимыми, Anthropic и Gemini в зависимости от задачи, стоимости или качества.

Держите чувствительные изображения на устройстве

С Ollama изображение и вывод остаются локально, что задаёт более чёткие границы для внутренних скриншотов и приватных документов.

Берите изображения оттуда, где они уже есть

Используйте локальный файл, данные base64 или URL удалённого изображения с ограничениями безопасности для внешних запросов.

03 / Возможности

От наблюдения к действию

Агент получает не просто описание, а структурированные результаты: их можно изучить, сравнить и превратить в следующий шаг.

vision_ocr

Извлекайте текст из скриншотов, чеков, документов и таблиц, чтобы агент мог искать, систематизировать и цитировать его.

vision_inspect

Спросите «что не так с этим интерфейсом?» — и агент сначала поймёт сцену, а затем объяснит или проверит её.

vision_annotate

Распознавайте круги, стрелки, подчёркивания и выделения, чтобы агент связывал отмеченную точку с нужным объектом.

vision_layout

Разбирайте интерфейс на элементы, позиции, стили текста и связи для ревью, отладки или генерации кода.

vision_reconstruct

Создавайте черновик HTML, React или SVG по референсному скриншоту, а не с пустой страницы.

vision_compare

Сопоставляйте изображения «до и после», кадры или связанные документы и выявляйте, что изменилось и почему это важно.

04 / Выберите границы данных

Выберите источник зрения под ваши данные

Локальные модели, облачные модели и совместимые сервисы используют одну и ту же точку входа MCP.

Ollama

Держите изображения и вывод локально — для скриншотов кода, внутренних документов и другого контента, который не стоит отправлять наружу.

OpenAI-совместимые

Уже используете LM Studio, vLLM или другой сервис с протоколом OpenAI? Меняйте конфигурацию, а не клиент.

Anthropic

Выбирайте модели зрения Claude, когда нужен более глубокий анализ изображений и рассуждения.

Gemini

Выбирайте Gemini, когда задача выигрывает от более широкого мультимодального понимания.

05 / Работает с вашим агентом

Оставьте свой агент — дайте ему зрение

Подключитесь один раз и используйте одну визуальную точку входа из Codex, Claude Code, Cursor и других.

Одна общая команда запуска: uv run shadow-vision

Codex

Claude Code

Cursor

VS Code Copilot

Windsurf

Claude Desktop

OpenCode

02 / Сценарии

Сценарии использования

Разработчикам

Передайте агенту скриншот ошибки, вайрфрейм или макет — пусть он разберётся, проверит, объяснит или превратит это в код.

Исследования и документация

Извлекайте данные из графиков в статьях, сканов и таблиц без привычного цикла «скриншот — копирование».

Когда изображения должны остаться приватными

Используйте локальный бэкенд Ollama для чувствительных скриншотов и внутренних документов, сохраняя границу данных на своём устройстве.

06 / Вопросы

Частые вопросы

Понятные ответы о функциях, совместимости и приватности

Что такое Shadow Vision и как он интегрируется с ИИ-агентами?

Shadow Vision — открытый визуальный сервис по протоколу Model Context Protocol (MCP). Он даёт ИИ-агентам для программирования (Cursor, Claude Code, Codex) 6 структурированных визуальных инструментов: OCR экрана, разбор UI-макета, проверка визуальных различий, чтение аннотаций и восстановление интерфейса в код.

Может ли Shadow Vision работать полностью офлайн с чувствительным кодом и интерфейсами?

Да. Shadow Vision изначально поддерживает локальные визуальные бэкенды Ollama (например, Qwen2-VL, LLaVA). Все скриншоты и результаты выводов остаются строго на вашей машине, сохраняя конфиденциальность внутренних дизайнов и кода.

Какие визуальные модели поддерживаются?

Поддерживаются подключаемые бэкенды: локальный Ollama, OpenAI-совместимые серверы (vLLM, LM Studio, DeepSeek), Anthropic Claude 3.5 Sonnet и мультимодальные модели Google Gemini — выбор через простую настройку.

«Согласно исследованиям в области программной инженерии, специализированные AI-агенты и рабочие процессы снижают операционные издержки и повышают точность задач при интеграции с явными границами. Исследования показывают, что сфокусированные инструменты превосходят монолитные системы в реальных условиях.»
— По материалам исследований в области программной инженерии и AI-процессов.