AI 视觉 MCP 服务器

一个提供基于 AI 的视觉分析能力的模型上下文协议 (MCP) 服务器，适用于 Claude 和其他兼容 MCP 的 AI 助手。

特性

• 屏幕截图 URL：通过提供 URL 捕获任何网站的屏幕截图
• 视觉分析：分析屏幕截图中的 UI 元素、布局和内容
• 文件操作：以行级精度读取和修改文件
• 报告生成：创建全面的 UI/UX 分析报告
• 调试会话：在多个分析步骤中保持上下文

安装

# Clone the repository
git clone https://github.com/samihalawa/mcp-server-ai-vision.git
cd mcp-server-ai-vision

# Install dependencies
npm install

# Build the server
npm run build

使用

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 Web 浏览器对 URL 进行屏幕截图。

参数：

• url (字符串, 必填): 要捕获屏幕截图的 URL（例如，http://localhost:4999, https://google.com）
• fullPage (布尔值, 可选): 是否捕获整个页面或仅视口。默认值: false
• waitForSelector (字符串, 可选): 在截屏前等待的 CSS 选择器
• waitTime (数字, 可选): 截屏前等待的时间（毫秒）。默认值: 1000

analyze_screen

使用 AI 视觉分析屏幕截图。

参数：无（使用最近的屏幕截图）

read_file

从指定行号之间的文件中读取内容。

参数：

• path (字符串): 文件路径
• startLine (数字): 开始行号（1 索引）
• endLine (数字): 结束行号（1 索引）

modify_file

修改指定行号之间的文件内容。

参数：

• path (字符串): 文件路径
• startLine (数字): 要替换的开始行号（1 索引）
• endLine (数字): 要替换的结束行号（1 索引）
• content (字符串): 用于替换指定行的新内容

generate_report

生成全面的 UI/UX 分析报告。

参数：

• testUrl (字符串): 被测试的应用程序的 URL
• appName (字符串, 可选): 被分析的应用程序的名称
• date (字符串, 可选): 分析日期（YYYY-MM-DD）
• observations (对象): 以组件、数据状态、交互等形式结构化的观察结果

示例工作流程

1. 对网站进行屏幕截图：

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

2. 分析屏幕截图：

   analyze_screen()
   

3. 根据分析生成报告：

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

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