影瞳 Shadow Vision

已上线 v0.1.1

让只会读文字的 AI，也能看懂图片

当你把截图、票据或界面交给文本模型，却只能得到“我看不到图片”：影瞳把视觉能力接成 MCP 工具，让你继续在原来的 Agent 里识别、分析和重构。

GitHub

01 / 结果

它怎么帮你

在原来的 Agent 里直接看图

接入 MCP 后，Codex、Claude Code、Cursor 等客户端可以继续用原来的对话处理图片，不必换一套工具。

不用被单一模型绑住

视觉后端可以换成 Ollama、OpenAI-compatible、Anthropic 或 Gemini，按任务、成本和效果选择。

敏感图片可以留在本机

使用 Ollama 时，图片和推理都留在自己的设备上，内部截图和私密资料不必经过云端。

图片从哪里来都能接上

本地文件、base64 数据和远程图片 URL 都可以作为输入，并带有远程请求的安全限制。

03 / 你可以让它做什么

从“看见”到“做事”

你给 Agent 的不只是一张图片，而是可以继续处理、检查和生成的结构化结果。

vision_ocr

把截图、票据、文档和表格里的文字提取出来，让 Agent 能继续搜索、整理和引用。

vision_inspect

当你问“这张界面哪里有问题”时，先让 Agent 理解画面，再给出解释、检查或图表解读。

vision_annotate

读懂圈选、箭头、下划线和荧光标记，把你指出的重点对应到画面中的对象。

vision_layout

把界面拆成元素、位置、文字样式和关系，方便审查设计、定位问题或继续生成代码。

vision_reconstruct

从一张参考截图生成 HTML、React 或 SVG 草稿，省去从空白页面开始搭建的第一步。

vision_compare

把改前改后、连续帧或多张资料放在一起，让 Agent 找出变化、差异和前后关系。

04 / 按你的数据边界选择

按你的数据边界选择视觉来源

本地、云端或兼容服务，都通过同一个 MCP 入口接入。

Ollama

图片和推理留在本机，适合代码截图、内部文档等不想外传的内容。

OpenAI Compatible

已有 LM Studio、vLLM 或其他 OpenAI 协议服务时，改配置即可接入，不必换客户端。

Anthropic

需要更强的图像理解和推理时，可以直接换用 Claude 视觉模型。

Gemini

处理更复杂的图像内容时，可以选择 Gemini 的多模态能力。

05 / 接入你正在用的 Agent

你的 Agent 不用换，先让它看见

接好一次，Codex、Claude Code、Cursor 等客户端都能使用同一个视觉入口。

统一启动命令：uv run shadow-vision

Codex

Claude Code

Cursor

VS Code Copilot

Windsurf

Claude Desktop

OpenCode

02 / 使用场景

使用场景

开发者

把报错截图、页面草图或设计稿交给 Agent，它可以先看懂，再检查、解释或生成代码。

研究和资料整理

从论文图表、扫描文档和表格中提取信息，减少截图、复制和人工核对的往返。