$ loading_
为纯文本大模型接入视觉理解能力，并支持多提供商自动回退。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Vision MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 Vision MCP Server 分析这张应用截图，说明界面结构、关键按钮位置，以及用户下一步可能执行的操作。
返回基于图像内容的界面说明、重点元素识别和操作判断。
请使用 Vision MCP Server 查看这张图片，总结其中可见的主要对象、文字信息和场景含义。
输出图像中的对象、文字与场景摘要，供后续问答或处理使用。
通过 Vision MCP Server 处理这张图片；如果首选视觉提供商不可用，请自动切换到其他兼容提供商并继续完成分析。
在提供商异常时仍尽量完成图像分析，提高视觉请求的稳定性。
开发者在已有仅支持文本的大模型工作流中接入该 MCP 工具，让模型能够读取和分析图片内容，而无需改造整体对话逻辑。
当单一视觉服务不稳定或不可用时，团队可以利用自动回退机制把请求路由到其他提供商，减少任务中断。
产品经理或研究人员可让模型基于截图理解界面结构、识别可见元素，并辅助整理视觉反馈。
它是一个 MCP 服务器，用兼容 Z.AI 的视觉工具为纯文本大模型提供看图能力，并可在多个提供商之间路由请求。
支持。原始描述明确提到会在多个提供商之间进行路由，并在需要时自动回退，以提高可用性。
给定素材没有提供安装步骤、运行时或密钥要求。具体前置条件见源码仓库。
通过 OpenRouter 连接视觉模型，完成图像描述、OCR、视觉问答与目标检测。
通过单一图像分析工具识别截图、文本与界面稿内容，便于多模型视觉集成。
帮助用户截图并用视觉模型分析屏幕、窗口与图片内容。
让纯文本编码代理读取图片、视频和截图并返回结构化分析结果
帮助代理理解本地、网页或Base64图片内容并返回结构化分析结果
让纯文本大模型借助云端视觉能力理解图片与视频内容