01
在原來的 Agent 裡直接看圖
接入 MCP 後，Codex、Claude Code、Cursor 等客戶可以繼續用原來的對話處理圖片，不必換一套工具。
產品介紹
開源 AI 代理多模態視覺服務 (MCP)
影瞳 Shadow Vision
v0.1.1 開源 MCP
讓只會讀文字的 AI，也能看懂圖片
當你把截圖、票據或介面交給文字模型，卻只能得到「我看不到圖片」：影瞳把視覺能力接成 MCP 工具，讓你繼續在原來的 Agent 裡識別、分析和重構。
01 / 結果
它怎麼幫你
02
不用被單一模型綁住
視覺後端可以換成 Ollama、OpenAI-compatible、Anthropic 或 Gemini，按任務、成本和效果選擇。
03
敏感圖片可以留在本機
使用 Ollama 時，圖片和推理都留在自己的裝置上，內部截圖和私密資料不必經過雲端。
04
圖片從哪裡來都能接上
本機檔案、base64 資料和遠端圖片 URL 都可以作為輸入，並帶有遠端請求的安全限制。
03 / 你可以讓它做什麼
從「看見」到「做事」
你給 Agent 的不只是一張圖片，而是可以繼續處理、檢查和生成的結構化結果。
01
vision_ocr把截圖、票據、文件和表格裡的文字提取出來，讓 Agent 能繼續搜尋、整理和引用。
02
vision_inspect當你問「這張介面哪裡有問題」時，先讓 Agent 理解畫面，再給出解釋、檢查或圖表解讀。
03
vision_annotate讀懂圈選、箭頭、下劃線和熒游標記，把你指出的重點對應到畫面中的物件。
04
vision_layout把介面拆成元素、位置、文字樣式和關係，方便審查設計、定位問題或繼續生成程式碼。
05
vision_reconstruct從一張參考截圖生成 HTML、React 或 SVG 草稿，省去從空白頁面開始建置的第一步。
06
vision_compare把改前改後、連續幀或多張資料放在一起，讓 Agent 找出變化、差異和前後關係。
04 / 按你的資料邊界選擇
按你的資料邊界選擇視覺來源
本機、雲端或相容服務，都通過同一個 MCP 入口接入。
01
Ollama
圖片和推理留在本機，適合程式碼截圖、內部文件等不想外傳的內容。
02
OpenAI Compatible
已有 LM Studio、vLLM 或其他 OpenAI 協議服務時，改設定即可接入，不必換用戶端。
03
Anthropic
需要更強的影像理解和推理時，可以直接換用 Claude 視覺模型。
04
Gemini
處理更復雜的影像內容時，可以選擇 Gemini 的多模態能力。
05 / 接入你正在用的 Agent
你的 Agent 不用換，先讓它看見
接好一次，Codex、Claude Code、Cursor 等用戶端都能使用同一個視覺入口。
統一啟動命令：uv run shadow-vision
Codex
Claude Code
Cursor
VS Code Copilot
Windsurf
Claude Desktop
OpenCode
02 / 使用場景
使用場景
01
開發者
把報錯截圖、頁面草圖或設計稿交給 Agent，它可以先看懂，再檢查、解釋或生成程式碼。
02
研究和資料整理
從論文圖表、掃描文件和表格中提取資訊，減少截圖、複製和人工核對的往返。
03
不想把圖片交給雲端
用本機 Ollama 處理敏感截圖和內部資料，把資料邊界留在自己的裝置上。
06 / 常見問題
常見問題解答
關於功能、相容性與隱私的真實答疑
什麼是 Shadow Vision？它是如何配合 AI Agent 工作的？
Shadow Vision 是一款開源的 Model Context Protocol (MCP) 視覺服務。它為 Cursor、Claude Code、Codex 等 AI 代理賦予六大結構化視覺能力：截圖 OCR、UI 佈局解析、介面差異對比、標記識別及「截圖直接還原前端程式碼 (vision_reconstruct)」。
我擔心截圖包含程式碼或商業機密，可以完全本機離線執行嗎？
完全支援。Shadow Vision 採用模組化後端設計，原生支援本機 Ollama（如執行 Qwen2-VL、LLaVA 等開源視覺模型）。整個視覺推理與圖片資料完全保留在您的本機裝置上，不產生任何外網請求。
Shadow Vision 支援哪些大模型視覺後端？
支援多種後端自由切換：本機 Ollama、OpenAI-compatible（相容 LM Studio、vLLM、DeepSeek 等服務）、Anthropic Claude 3.5 Sonnet 以及 Google Gemini 多模態模型，一條命令即可啟動。
「在軟體工程與人機協作研究中，具備明確邊界的垂直 AI 代理與微工具能夠顯著降低操作認知負荷，並大幅提升複雜任務的執行準確率。實戰經驗表明，專注的小工具在解決真實場景痛點時往往遠優於龐大臃腫的一體化系統。」