GOU-GEE/deepseek-vision

README 摘要

deepseek-vision-mcp 给 DeepSeek（及其他纯文本大模型）装上「眼睛」 的开源 MCP Server。 DeepSeek 系列模型是纯文本模型，无法直接识别图片。本项目的思路是： 通过 MCP Server 暴露一个 analyze image 工具 ，把图片交给第三方 OpenAI 兼容的视觉模型 API （智谱 GLM-4.6V、硅基流动 Qwen2.5-VL、 通义千问 qwen-vl-plus 等）识别，再把识别文本返回给主模型。 配合项目自带的 Skill 文件 ，DeepSeek 主模型在遇到图片时会 自动 调用 该工具——对用户来说，就像 DeepSeek 突然会「看图」了。 视觉识别能力由第三方模型提供，图片会被发送到对应服务商的 API。 请阅读文末的隐私说明。 🚀 一句话安装（复制给 AI 助手，免手动操作） 主要在 DeepSeek Harness 中使用时，复制下面的推荐提示词给助手。它会从全新克隆构建 本仓库的 DSH Bundle、安装到桌面版共用的 Web profile，并引导你在 DSH 可视化页面中 安全填写 Key，最后完成自动托管 Python 与真实图片验收。 其他 MCP 客户端请使用后面的通用版。 关于 API Key（请先读） ： - ✅ 默认方案使用智谱 glm-4.6v-flash ：安装后在 DSH 的 设置 → 插件 → 插件配置 → DeepSeek Vision 中填写你在 https://open.bigmodel.cn 申请的 Key。 - ⚠️ Key、模型和 Base URL 必须属于同一家服务商。硅基流动或通义千问的 Key 也能用， 但必须同时把对应的 VISION MODEL 与 VISION BASE URL 告诉助手，不能套用智谱默认值。 - 🔒 免费或付费 Key 都不必发给 AI 助手：可视化页面不会回显 Key，凭据由 DSH 官方凭据存储保存，不会写进仓库或普通配置文件。 DeepSeek Harness 推荐版（一会话从零部署并验收） ： 其他 MCP 客户端通用版（Claude Code / Codex / OpenCode 等） ： 如果你更喜欢手动安装，请按下方 快速开始 操作，效果完全一样。 目录 - 一句话安装（复制给 AI 助手） - 解决的问题 - 工作原理 - 支持的视觉模型 - 快速开始 - 配置说明 - 与 DeepSeek Harness 集成 - 与 Codex 集成 - Skill 自动触发机制 - 命令行工具 - 项目结构 - 开发与测试 - 常见问题 - 隐私说明 - 许可证 解决的问题 场景 没有本项目的 DeepSeek 有了本项目之后 用户发来一张报错截图，问「哪里错了？」 模型看不到图，只能让用户贴文字 自…

分类