Vision MCP Server
Enables screenshot capture and visual analysis using cloud or local vision models, with tools to describe screens, list windows, and analyze images.
README
Vision MCP Server
截图 + 视觉模型分析 MCP 服务器，支持 Claude Code 等 MCP 客户端。
功能
| 工具 | 说明 |
|---|---|
describe_screen |
截图并用视觉模型分析（支持全屏/主屏/指定窗口） |
take_screenshot |
纯截图保存，不分析 |
list_windows |
列出当前所有可见窗口标题 |
describe_image |
分析一张已有的图片文件 |
安装
方式一：Claude Code 插件安装
claude /plugin install github.com/你的用户名/vision-mcp-server
方式二：手动配置
在 ~/.mcp.json 中添加：
{
"mcpServers": {
"vision": {
"command": "node",
"args": ["路径/server.mjs"],
"env": {
"DASHSCOPE_API_KEY": "你的阿里云百炼 API Key"
}
}
}
}
前置要求
- Node.js ≥ 18
- npm ≥ 9
- 阿里云百炼 API Key：去 bailian.console.aliyun.com → API Key 创建
- Windows：支持（PowerShell + .NET）
- 可选：Ollama +
minicpm-v:8b（本地模型备用）
配置说明
| 环境变量 | 必填 | 默认值 | 说明 |
|---|---|---|---|
DASHSCOPE_API_KEY |
✅ | - | 阿里云百炼 API Key |
VISION_CLOUD_MODEL |
❌ | qwen-vl-plus |
云端模型名 |
VISION_LOCAL_MODEL |
❌ | minicpm-v:8b |
本地备用模型 |
VISION_SCREENSHOT_DIR |
❌ | ~/Pictures/Screenshots |
截图保存目录 |
用法示例
"帮我看看浏览器当前页面"
"截一张全屏截图"
"分析这张图片：C:\photo.jpg"
"现在有哪些窗口开着"
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议，是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器，它使大型语言模型能够通过结构化的可访问性快照与网页进行交互，而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具，可以从自然语言描述生成现代化的用户界面组件，并与流行的集成开发环境（IDE）集成，从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互，从而促进营销洞察和受众数据的提取和分析，包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具，连接你所有喜爱的工具：Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外，还可以将任何内容（从 Slack 到 Gmail 再到播客订阅源）导入到 Graphlit 项目中，然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器，集成了 Kagi 搜索功能和 Claude AI，使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议（MCP）服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。