视觉之眼 shinelon/eyes-for-deepseek

eyes-for-deepseek

给 DeepSeek 装上眼睛 👀 —— 让 DeepSeek 等纯文本大模型拥有视觉能力

License: MIT Node MCP Free

DeepSeek 很强，但它看不见图片：截图、图表、UI 设计稿、错误信息、文档扫描件——统统无法理解。eyes-for-deepseek 通过 MCP（Model Context Protocol） 为 DeepSeek 接入一组视觉工具，让它能“看图说话”。

视觉能力由商汤 SenseNova 6.8 Flash-Lite（原生多模态智能体模型）提供，注册即享免费额度，零成本起步；工具代码 MIT 开源。

为什么需要它？

| 痛点 | eyes-for-deepseek 的解法 |
| DeepSeek 是纯文本模型，无法处理图像 | MCP 工具集提供 7 种视觉能力，DeepSeek 按需调用 |
| GPT-4V / Claude Vision 按量收费，成本高 | 商汤 SenseNova 免费公测，每 5 小时 1500 次免费调用 |
| 自建多模态模型门槛高、部署复杂 | 开箱即用的 MCP server，配置即用，OpenAI 兼容 API |

它是什么？

一个配置驱动的 MCP 视觉工具集，专为 DeepSeek 设计，架构上同样适用于任何纯文本 LLM。

- 7 个视觉工具：通用识图、OCR、UI 转代码、错误诊断、图表理解、数据可视化分析、双图对比
- 视觉后端：商汤 SenseNova 6.8 Flash-Lite（原生多模态，“看、想、做”一体化）
- 配置驱动：所有工具共享一个推理内核，新增工具只需加一个配置对象
- 可扩展：当前后端为 SenseNova，架构预留接入其他视觉模型的空间

免费额度

视觉能力基于商汤 SenseNova Token Plan 免费公测：

- 注册即领，无门槛
- sensenova-6.8-flash-lite：每 5 小时 1500 次免费调用
- OpenAI 兼容 API，接入简单
- 领取地址：https://platform.sensenova.cn/console

说明：免费额度由商汤官方提供、按周期刷新（详见官方政策）。本项目代码本身 MIT 开源、免费使用。

能力清单（7 个工具）

| 工具 | 入参 | 作用 |
| analyze_image | image, prompt | 通用图像分析（万能入口） |
| extract_text | image, format? | OCR 文字提取（plain / markdown） |
| ui_to_artifact | image, output_type, prompt? | UI 截图转产物：code / prompt / spec / description |
| diagnose_error | image, context? | 错误截图诊断（根因 + 修复建议） |
| understand_technical_diagram | image, diagram_type?, prompt | 技术图表理解（架构/流程/UML/ER/时序） |
| analyze_data_visualization | image, analysis_focus?, prompt | 数据可视化分析（图表/仪表盘） |
| ui_diff_check | expected_image, actual_image, prompt | 双图 UI 对比（设计稿 vs 实现） |

image 参数统一支持：本地文件路径（jpg / jpeg / png）/ 公网 URL / data: base64。ui_diff_check 接收两张图。

快速开始

1. 获取 SenseNova API Key

访问 https://platform.sensenova.cn/console 注册，领取免费额度并创建 API Key。

2. 构建服务

git clone https://github.com/shinelon/eyes-for-deepseek.git
cd eyes-for-deepseek/sensenova-vision-mcp
npm install
npm run build

3. 接入 MCP 客户端

以 opencode 为例，在工作目录的 opencode.json 中配置：

{
"mcp": {
"sensenova-vision": {
"type": "local",
"command": ["node", ""],
"environment": {
"SENSENOVA_API_KEY": "{env:SENSENOVA_API_KEY}"
},
"enabled": true
}
}
}

command 中的路径指向构建产物 dist/index.js，按使用场景填写（路径相对于 opencode.json 所在目录解析）：

| 场景 | 路径写法 |
| 在本仓库内自测（opencode.json 放仓库根） | ./sensenova-vision-mcp/dist/index.js |
| 在任意其他项目接入（推荐，最稳妥） | 用绝对路径，如 D:/path/to/eyes-for-deepseek/sensenova-vision-mcp/dist/index.js |

拿不准就用绝对路径，可避免相对路径解析问题。

环境变量：
- {env:SENSENOVA_API_KEY} 是 opencode 的插值语法——运行时从进程环境读取 SENSENOVA_API_KEY，需先在系统中设置该变量：

Linux / macOS / Git Bash（当前会话）
export SENSENOVA_API_KEY=你的key

Windows PowerShell（永久） setx SENSENOVA_API_KEY "你的key"

- 其他 MCP 客户端（Claude Desktop、Cursor 等）不支持 {env:...} 语法，请在配置中直接填入 API Key 值；配置文件名与结构也略有差异，参考各客户端文档。

设置完成后启动客户端，DeepSeek 即可调用这些视觉工具。

环境变量

| 变量 | 必填 | 默认 | 说明 |
| SENSENOVA_API_KEY | 是 | — | 商汤 API Key（未设置则调用时抛错） |
| SENSENOVA_BASE_URL | 否 | https://token.sensenova.cn/v1 | OpenAI 兼容端点 |
| SENSENOVA_MODEL | 否 | sensenova-6.8-flash-lite | 视觉模型 |

架构

sensenova-vision-mcp/
└── src/
├── image.ts # 图片输入归一化（path/url/base64 → data URL） ├── sensenova-client.ts # 商汤 API 调用内核（analyzeImages 支持多图） ├── tools.ts # 工具配置表（ToolDef，含 imageParams 字段） └── index.ts # 循环注册工具 + 启动 stdio server

所有工具共享 analyzeImages(dataUrls[], systemPrompt, userPrompt) 内核。ToolDef.imageParams 声明哪些参数是图片源（单图 ["image"]、双图 ["expected_image","actual_image"]），handler 据此提取并归一化。新增工具只需在 tools.ts 加一个配置对象，无需改 index.ts。

路线图

- [ ] 接入更多视觉后端（开源多模态模型等）
- [ ] 扩充工具集（视频理解、文档解析等）
- [ ] 补充更多 DeepSeek 视觉用例

项目名锚定 DeepSeek，但架构通用——欢迎为其他纯文本 LLM 接入。

贡献

欢迎提 Issue 和 PR。新增视觉工具只需在 sensenova-vision-mcp/src/tools.ts 添加一个 ToolDef 配置对象，详见子包 README。

License

MIT

致谢

- 商汤 SenseNova — 视觉模型与免费额度
- Model Context Protocol — 工具协议
- DeepSeek — 纯文本 LLM