👁️ DeepSeek Eyes

给 DeepSeek 装上一双眼睛。 让没有视觉能力的 DeepSeek 也能「看图」——把图片交给视觉模型，用文字描述回传。

一个通用的 MCP 服务器，让 DeepSeek 等无视觉模型获得图像识别能力。适配 Claude Code、Codex、Cursor 等主流 AI 编程工具，无需改任何项目代码。

---

为什么需要它

DeepSeek 是顶尖的文本模型，但没有视觉能力。你给它一张图，它只会看到一团乱码：

用户: [粘贴了一张截图]
DeepSeek: 我无法查看图片……（无能为力）

DeepSeek Eyes 给 DeepSeek 装上「义眼」：

用户: [粘贴了一张截图] 图里写了什么？
DeepSeek Eyes MCP → 读图 → 文字描述（"页面显示 DNS 解析失败…"）
DeepSeek: 这张图显示的是 DNS_PROBE_FINISHED_NXDOMAIN 错误页……

它自己看图，把看到的用文字讲给 DeepSeek。 就像给看不见的模型配了一位解说员。

---

✨ 特性

• 🖼️ 六个 MCP 工具：识图、剪贴板识图、批量识图、会话图片找回、配置查看/修改
• 📋 剪贴板识图：粘贴图片但客户端传不了图（显示 [Unsupported Image]）？直接从系统剪贴板读
• 💾 会话图片找回：从 Claude Code / Codex / Cursor 的会话记录里提取你粘贴/上传的全部图片——一次贴多张也都能识别
• 🗂️ 批量识图：一键识别文件夹里的所有图片
• 🔌 多提供商：阿里百炼 / OpenAI / OpenRouter / 智谱 / Moonshot / 硅基流动 / 自定义
• 🚀 快速：并行识别 + 图片压缩 + 关闭思考模式 → 3 张图约 5 秒
• 🔑 Key 安全：API Key 只走环境变量，永不写入配置文件

---

🧠 适配主流 AI 工具

工具	会话图片找回	配置方式
Claude Code	✅ ~/.claude/projects/*.jsonl	~/.claude.json
Codex CLI	✅ ~/.codex/sessions/*/rollout-*.jsonl	~/.codex/config.toml
Cursor	✅ workspaceStorage/*/images/*.png	~/.cursor/.mcp.json

其他支持 MCP 的客户端理论上也能接，配置结构相同（command / args / env）。

---

🚀 安装

需要 Python 3.10+。

# 1. 克隆
git clone https://github.com/<你的用户名>/deepseek-eyes.git
cd deepseek-eyes

# 2. 建虚拟环境并安装
python -m venv .venv
# Windows:
.venv\Scripts\pip install -e .
# macOS / Linux:
.venv/bin/pip install -e .

---

🔑 配置：获取 API Key

默认使用阿里云百炼（新用户有免费额度，国内直连）：

1. 打开 阿里云百炼控制台 并登录
2. 右上角 → API-KEY → 创建新的 API Key
3. 复制 sk- 开头的 Key

之后把 Key 设成环境变量（不要写进仓库）：

# Windows (PowerShell)
$env:DEEPSEEK_EYES_API_KEY = "sk-你的Key"
# macOS / Linux
export DEEPSEEK_EYES_API_KEY="sk-你的Key"

---

⚙️ 接入 MCP 客户端

Claude Code

编辑 ~/.claude.json，在 mcpServers 中加入：

{
  "mcpServers": {
    "deepseek_eyes": {
      "command": "C:\\path\\to\\deepseek-eyes\\.venv\\Scripts\\python.exe",
      "args": ["-m", "src"],
      "cwd": "C:\\path\\to\\deepseek-eyes",
      "env": {
        "DEEPSEEK_EYES_API_KEY": "sk-你的Key",
        "PYTHONIOENCODING": "utf-8"
      }
    }
  }
}

Codex CLI

编辑 ~/.codex/config.toml：

[mcp_servers.deepseek_eyes]
enabled = true
command = "C:\\path\\to\\deepseek-eyes\\.venv\\Scripts\\python.exe"
args = ["-m", "src"]
cwd = "C:\\path\\to\\deepseek-eyes"

[mcp_servers.deepseek_eyes.env]
DEEPSEEK_EYES_API_KEY = "sk-你的Key"
PYTHONIOENCODING = "utf-8"

Cursor

创建 ~/.cursor/.mcp.json：

{
  "mcpServers": {
    "deepseek_eyes": {
      "command": "C:\\path\\to\\deepseek-eyes\\.venv\\Scripts\\python.exe",
      "args": ["-m", "src"],
      "cwd": "C:\\path\\to\\deepseek-eyes",
      "env": {
        "DEEPSEEK_EYES_API_KEY": "sk-你的Key",
        "PYTHONIOENCODING": "utf-8"
      }
    }
  }
}

💡 Windows 下建议加 PYTHONIOENCODING: "utf-8" 避免中文乱码。 完整配置模板见 MCP_CONFIG_EXAMPLE.md。

重启客户端后即可生效。

---

📖 使用

接入后，对 DeepSeek 说：

识别这张图片 C:\path\to\image.png

它会自动调用视觉模型识图，把结果用文字告诉你。

常用场景

场景	做法
粘贴图片	直接粘贴，问「图里是什么」
粘贴多张图片	一次全贴，说「识别我粘贴的这几张图片」
图片在本地	describe_image(image="C:\\path\\img.png")
图片在文件夹	describe_images_in_folder(folder="C:\\path\\folder")
网络图片	describe_image(image="https://...")

六个工具

工具	作用
describe_image	识别单张图片（本地路径 / URL / data URL）
describe_clipboard_image	识别剪贴板里的图片（粘贴后直接识别）
describe_pasted_images	从会话记录提取全部粘贴/上传图片并识别（多图场景首选）
describe_images_in_folder	批量识别文件夹里的所有图片
get_config	查看当前识图配置（不显示明文 Key）
update_config	切换提供商 / 模型 / Base URL

---

🧠 思考能力（Thinking）的影响

识图模型（如 qwen3 系列）默认开启思考模式（reasoning）：识图前先「想半天」，让识别变慢数倍。

DeepSeek Eyes 默认关闭思考模式（enable_thinking: false），实测：

模式	单张识别耗时
思考模式开启	12.3 秒
思考模式关闭	4.4 秒 ⚡

关闭后快约 3 倍，且不影响识别质量。如果你希望保留模型的深度思考（某些复杂场景）：

# 环境变量开启思考模式
DEEPSEEK_EYES_THINKING=1

注意：不同视觉模型对 enable_thinking 参数的支持不同。若不支持该参数的模型，可保持默认关闭。

其他速度优化

• 🖼️ 图片压缩：超过 1280px 的图自动等比压缩，减少视觉模型处理负载
• ⚡ 并行识别：多张图片同时识别，总耗时 ≈ 最慢一张

---

🗂️ 支持的提供商与默认模型

提供商	provider 值	默认模型	备注
阿里云百炼	dashscope	qwen3.7-flash-2026-07-15	新用户免费额度，国内直连
OpenAI	openai	gpt-4o-mini	需海外支付
OpenRouter	openrouter	qwen/qwen2.5-vl-72b-instruct	聚合多家模型
智谱	zhipu	glm-4v-flash	有免费额度
Moonshot	moonshot	moonshot-v1-8k-vision-preview	国内直连
硅基流动	siliconflow	Qwen/Qwen2.5-VL-72B-Instruct	开源视觉模型多
自定义	custom	—	自填 base_url

切换提供商/模型，只需对 DeepSeek 说「把识图模型换成 xxx」即可。

---

🧩 工作原理

[用户] 粘贴/上传图片
   │
   ▼
[DeepSeek Eyes MCP]  ← 从剪贴板 / 会话记录 / 路径获取图片
   │
   ▼  base64 → OpenAI 兼容格式
[视觉模型 (qwen3.7-flash)]  ← 阿里百炼等
   │
   ▼  文字描述
[DeepSeek]  ← 用文字描述回答用户

图片永远不会直接喂给 DeepSeek（它看不懂），而是由 DeepSeek Eyes 变成文字后"转述"给 DeepSeek。

---

🛡️ 安全

• API Key 只走环境变量，绝不写入配置文件、不提交到仓库
• get_config 只显示脱敏 Key（sk-w****U-Oi）
• .gitignore 已忽略 .claude/、config.json 等本地敏感文件

---

⚖️ License

MIT