Mcp Server Ai Vision

🚀 AI 视觉 MCP 服务器

这是一个提供 AI 视觉分析功能的 MCP（模型上下文协议）服务器，支持 Claude 和其他兼容 MCP 的 AI 助手。它能为用户提供强大的视觉分析能力，助力高效完成各类视觉相关任务。

✨ 主要特性

• 截图 URL：可通过提供 URL 捕获任意网站的屏幕快照。
• 视觉分析：对屏幕快照中的 UI 元素、布局和内容进行分析。
• 文件操作：能够按行精确读取和修改文件。
• 报告生成：创建全面的 UI/UX 分析报告。
• 调试会话：在多个分析步骤之间维护上下文。

📦 安装指南

# 克隆仓库
git clone https://github.com/samihalawa/mcp-server-ai-vision.git
cd mcp-server-ai-vision

# 安装依赖
npm install

# 构建服务器
npm run build

💻 使用示例

启动服务器

npm start

配置

将服务器添加到您的 MCP 配置中：

{
"servers": {
"ai-vision": {
"command": "/path/to/node",
"args": ["/path/to/mcp-server-ai-vision/build/index.js"],
"enabled": true,
"port": 3005,
"environment": {
"NODE_PATH": "/path/to/node_modules",
"PATH": "/usr/local/bin:/usr/bin:/bin",
"GEMINI_API_KEY": "your-gemini-api-key"
}
}
}
}

可用工具

screenshot_url

使用网络浏览器捕获 URL 的屏幕快照。

• 参数：
  • url (字符串，必需)：要捕获屏幕快照的 URL（例如 http://localhost:4999, https://google.com）
  • fullPage (布尔值，可选)：是否捕获整页还是仅视图端口。默认：false
  • waitForSelector (字符串，可选)：在捕获屏幕快照前等待的 CSS 选择器
  • waitTime (数字，可选)：等待的时间（以毫秒为单位）。默认：1000

analyze_screen

使用 AI 视觉分析屏幕快照。

• 参数：无（使用最新的屏幕快照）

read_file

读取文件指定行号之间的内容。

• 参数：
  • path (字符串)：文件路径
  • startLine (数字)：起始行号（1-based）
  • endLine (数字)：结束行号（1-based）

modify_file

修改文件指定行号之间的内容。

• 参数：
  • path (字符串)：文件路径
  • startLine (数字)：要替换的起始行号（1-based）
  • endLine (数字)：要替换的结束行号（1-based）
  • content (字符串)：新的内容以替换指定的行

generate_report

生成全面的 UI/UX 分析报告。

• 参数：
  • testUrl (字符串)：正在测试的应用程序 URL
  • appName (字符串，可选)：正在分析的应用程序名称
  • date (字符串，可选)：分析日期（格式 YYYY - MM - DD）
  • observations (对象)：结构化的观察结果，按组件、数据状态和交互等分类

示例工作流程

1. 捕获网站屏幕快照：

   screenshot_url(url: "https://example.com")
   

2. 分析屏幕快照：

   analyze_screen()
   

3. 根据分析生成报告：

   generate_report(testUrl: "https://example.com", observations: {...})
   

📚 详细文档

要求

• Node.js 14+
• Playwright 用于浏览器自动化
• Gemini API 密钥用于 AI 视觉分析

📄 许可证

MIT