eyes-for-deepseek

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

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", "<dist/index.js 的路径>"],
      "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