$ loading_
让推理模型通过描述式视觉接入，安全读取并分析图片内容
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-eyes" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请说明如何将 mcp-eyes 接入我的 MCP 客户端，使当前只支持文本推理的大模型能够读取用户上传的截图内容，但视觉模型只返回客观描述，不提供建议。
一份接入步骤说明，包含架构思路、调用流程与描述式视觉的使用方式。
使用 mcp-eyes 读取这张产品界面截图，先给出纯描述，再让推理模型根据描述总结页面包含的模块、关键信息层级和可能的用户操作路径。
先得到不带建议的图像描述，再输出结构化的页面分析结果。
请通过 mcp-eyes 描述这张图表图片中的标题、坐标轴、图例和主要趋势，再让推理模型基于这些描述生成一段客观摘要，不要臆测未出现的数据。
一份图表元素描述，以及基于描述生成的简洁分析摘要。
让 AI 通过多模型视觉分析理解图片内容、物体层级与颜色信息。
通过聚合多来源联网检索与引用，帮助用户快速获得综合研究答案。
让无视觉能力的智能体读取图片内容、OCR文字并提取结构化数据。
让纯文本模型调用多模态 API，识别并描述图片内容。
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。
用支持视觉的 AI 模型完成图像分析、OCR、场景描述与图片比对。