$ loading_
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
复制安装指令，让 AI 自动完成配置 · 推荐新手
"vision-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请读取这张应用报错截图，提取可见的错误信息、界面元素和可能的异常原因，并用结构化文本返回。
包含错误文本、相关界面区域说明和可能原因的结构化分析结果。
查看这张产品界面截图，列出主要模块、按钮文案、输入区域和明显的可用性问题，输出为结构化清单。
一份按模块整理的界面元素与问题清单。
分析这段产品演示视频，概括每个关键步骤中展示的页面和用户操作，并返回结构化摘要。
按步骤整理的视频内容摘要，说明页面变化与操作流程。
开发者在自动化排查前端或应用问题时，可把报错截图交给该工具解析。它会把视觉内容转成结构化文本，便于后续代码代理继续处理。
当团队希望让文本型 AI 理解界面截图或设计画面时，这个工具可作为视觉输入桥梁。它适合把页面元素和布局信息转为文本结果。
对于产品演示视频或操作录屏，可先经由该工具做视觉理解，再把结果交给后续代理分析步骤。这样文本代理也能利用视频中的关键信息。
它让只能处理文本的编码代理也能“看见”图片、视频和截图。做法是把这些视觉内容发送给视觉模型，再返回结构化文本结果。
根据描述，它支持图片、视频和截图。更细的格式要求在现有素材中没有说明。
现有素材没有提供安装步骤或前置要求。具体配置、运行方式或是否需要密钥，请见源码仓库。
让 AI 调用视觉模型分析图片、OCR 和图表
为不支持原生看图的编码代理补充计算机视觉能力，辅助识图与代码理解。
让纯文本大模型借助云端视觉能力理解图片与视频内容
用本地 Ollama 模型实现截图解析、OCR 识别与视觉监控自动化。
让 AI 代理通过视觉模型完成图像分析、OCR、裁剪与对比处理
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。