DeepSeek Vision MCP

中文 | English

让纯文本 LLM 也能"看图"：通过 MCP 桥接 DeepSeek 网页版视觉对话，为 Claude Code / OpenCode / Codex / DeepSeek Harness 等任意 MCP 客户端提供本地图片分析能力。

• 使用你已登录的 DeepSeek 网页会话（非 API key，不消耗 API 额度）
• 单图 / 多图 / 批量 glob 分析、同一会话追问、Windows 自主截图
• 并发安全：跨进程共享一个网页会话，多分支并行不冲突

免责声明：本项目是非官方逆向项目，通过分析 DeepSeek 网页版未公开接口实现，仅供学习研究使用。使用本项目即表示你了解并同意：自行承担风险，遵守 DeepSeek 服务条款，不得用于商业用途或对 DeepSeek 服务造成负担。sha3_wasm_bg.wasm 为 DeepSeek 网站资源，版权归其所有者。

特性

工具	说明
analyze_image	单张图片分析：看图、OCR、截图诊断、图表/界面/代码截图理解
analyze_images	多张图片联合分析：前后对比、多页截图、跨图信息核对
analyze_image_set	按目录/glob 批量收集分析：GUI 验收、before/after、多视口审查
continue_analysis	在同一视觉会话中继续追问（复用 session_id，不重复上传）
capture_screen	Windows 自主截图（整屏/当前窗口）并立即分析
vision_status	检查本地令牌、WASM、依赖是否就绪

原理

你的 LLM ──(MCP)──> ds_vision_mcp.py ──(HTTP)──> chat.deepseek.com
                        │
                        ├─ 读取 ~/.ds_web_token.json（网页登录令牌）
                        ├─ WASM 求解 DeepSeekHashV1 PoW 挑战
                        ├─ 上传图片 → fork 为 vision 模型文件
                        └─ SSE 流式 completion（含思考过程）

所有视觉请求复用同一个 DeepSeek 网页对话；每次工具调用返回独立逻辑分支 session_id，分支之间可并发，追问必须使用对应分支的 session_id。

安装

要求：Python 3.10+，Windows / Linux / macOS（自主截图仅 Windows）。

git clone https://github.com/zunyiqingfeng-code/deepseek-vision-mcp.git
cd deepseek-vision-mcp
pip install -r requirements.txt

依赖：httpx、wasmtime、mcp、Pillow、mss（Windows 截图可选）。

获取网页登录令牌

1. 用浏览器登录 chat.deepseek.com
2. F12 打开开发者工具 → Application / 存储 → Cookies，找到 userToken（或 localStorage 中的 userToken）
3. 写入本地文件（不要提交到仓库）：

# ~/.ds_web_token.json
{"token": "你的 userToken 值", "ts": 0, "from": "manual"}

也可以从浏览器任意请求头中复制 Authorization: Bearer <token> 的值。

配置 MCP 客户端

Claude Code（.mcp.json）:

{
  "mcpServers": {
    "deepseek-vision": {
      "command": "python",
      "args": ["/绝对路径/deepseek-vision-mcp/ds_vision_mcp.py"]
    }
  }
}

OpenCode（opencode.json）:

{
  "mcp": {
    "deepseek-vision": {
      "type": "local",
      "command": ["python", "/绝对路径/deepseek-vision-mcp/ds_vision_mcp.py"],
      "timeout": 180000,
      "enabled": true
    }
  }
}

DeepSeek Harness（~/.dsh/profiles/web/cordis.patch.yml）:

- insert:
    - id: mcp-deepseek-vision
      name: '@deepseek-ai/dsh-mcp-client'
      config:
        serverName: deepseek-vision
        transport: stdio
        command: python
        args:
          - C:/Users/你的用户名/ds-vision-mcp/ds_vision_mcp.py
        toolCallTimeoutMs: 180000
        failOnStartupError: false

使用

MCP 客户端会自动发现工具。模型侧的使用规则（可写入客户端 instructions）：

• 用户要求看图/识图/OCR/分析截图/检查界面/比较图片，或消息包含本地图片路径时，优先调用 analyze_image / analyze_images
• 不要因主模型不支持图片就回答"无法查看"——视觉由本 MCP 提供
• 同一图片追问必须用 continue_analysis 并传入上轮返回的 session_id，不要重新上传
• 用户说"看看屏幕/检查当前窗口"时调用 capture_screen，无需用户先截图
• 多张截图 / before-after / 多视口产物用 analyze_image_set 批量复核

DeepSeek Harness 集成

harness-integration/ 目录包含 DSH 专用组件：视觉 MCP 的 cordis.patch.yml 配置，以及输入框发图插件（为纯文本模型提供 📷 选图 + Ctrl+V 粘贴图片，自动保存路径后由视觉 MCP 识图）。详见 harness-integration/README.md。

命令行直接使用

python ds_vision.py 图片.png "这张图里有什么？"        # 单图问答
python ds_vision.py 图片.png "解释这个图表" --no-search  # 关闭联网搜索

测试

python -m unittest test_ds_vision test_ds_vision_mcp

测试全部使用 mock，不访问网络、不需要令牌。

环境变量

变量	默认值	说明
DS_VISION_SESSION_FILE	~/ds_vision/.shared_session.json	共享会话状态文件路径
DS_VISION_LOCK_TIMEOUT	180	跨进程锁等待秒数
DS_VISION_MAX_PARALLEL	2	DeepSeek 网页并发上限

许可证

MIT。注意：sha3_wasm_bg.wasm 为 DeepSeek 网站资源，版权归其所有者，仅用于本地 PoW 求解，不随 MIT 条款授权。