mcpField
G
genai-capture

genai-capture

本地服务
github.com/projecthsf媒体与设计013 周前更新

关于 genai-capture

GenAI Capture 是桌面截图与标注工具,也提供 JetBrains IDE 插件。其桌面应用可作为本地 MCP 服务,让 AI Agent 截取屏幕、查看图像并保存标注结果。

主要功能

  1. 01截取整个屏幕或指定区域
  2. 02添加箭头、形状、文字和高亮
  3. 03使用马赛克遮盖敏感内容
  4. 04复制、保存或固定截图
  5. 05提供 JetBrains IDE 插件和延时截图

适用场景

  1. 01为视觉问题报告添加屏幕标注
  2. 02截取界面并遮盖敏感信息
  3. 03记录操作前后的画面作为凭证

MCP 相关

桌面应用可作为 MCP 服务,提供 capture_fullscreen、capture_region、annotate、get_image 和 save_image 等工具。图像在本地处理,并发送给已连接的 AI 客户端。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"linhnnmt-genai-capture": {
"command": "npx",
"args": [
"-y",
"genai-capture-mcp"
]
}
}
}
启动命令npx -y genai-capture-mcp

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmgenai-capture-mcp1.0.1

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

GenAI Capture

Downloads Latest release

屏幕捕获 + 注释,两种使用方式:

  • 桌面应用 — 捕获整个桌面,添加注释(箭头、形状、文本、高亮、马赛克遮挡、水印),然后复制 / 保存 / 固定。提供全局快捷键、图库和主题。跨平台(Java)。
  • JetBrains IDE 插件(本仓库的源代码)— 将同一套引擎集成到任意 JetBrains IDE 中:GoLand、PhpStorm、PyCharm、WebStorm、IntelliJ、CLion、Rider,……

下载桌面应用

从 发布版本 获取适用于你操作系统的安装程序:

OS文件
macOSGenAI Capture-<version>.dmg
Windows(安装程序)GenAI Capture-<version>.exe
Windows(便携版)GenAI-Capture-portable-win.zip

macOS 提示: 应用尚未通过公证。如果 macOS 阻止首次启动,请在 系统设置 ▸ 隐私与安全性 ▸“仍要打开” 中允许启动,并在提示时授予 屏幕录制 权限。详细信息随 DMG 中的 First Launch.txt 一并提供。

该插件已上架 JetBrains Marketplace —— 搜索 GenAI Capture(或从发布版本中手动安装 zip)。

与 AI Agent 配合使用(MCP)

桌面应用(v1.2.0+)还可用作 MCP 服务:支持 Model Context Protocol 的 AI Agent — Claude Code、Claude Desktop、Cursor,……— 可以捕获屏幕、查看图像、添加注释(箭头、方框、文本、高亮、模糊 / 遮挡),并保存结果。只需对 AI 说一句话,即可生成可视化错误报告和前后对比证明。

安装桌面应用,然后将服务添加到客户端。最简单的方式(跨平台,通过 npm 上的 genai-capture-mcp 启动器):

claude mcp add genai-capture -- npx -y genai-capture-mcp

或者直接指向已安装的二进制文件(无需 Node):

claude mcp add genai-capture -- \
  "/Applications/GenAI Capture.app/Contents/MacOS/GenAI Capture" --mcp

工具:capture_fullscreen、capture_region、annotate、get_image、save_image。捕获时会播放提示音;所有操作都在本地运行 — 图像只会发送给你连接的 AI 客户端。


JetBrains IDE 插件

将屏幕截图捕获 + 注释引擎集成到任意 JetBrains IDE 中(GoLand、PhpStorm、PyCharm、WebStorm、IntelliJ、CLion、Rider,……)。

功能

  • 工具 ▸ 截取屏幕截图 — ⌘⇧1(macOS)/ Ctrl+Shift+1(Win/Linux)。捕获整个桌面(包括 IDE)并打开注释浮层。
  • 工具 ▸ 捕获桌面(隐藏 IDE) — ⌘⇧2 / Ctrl+Shift+2。暂时隐藏 IDE,捕获其后的桌面,并在关闭浮层之前保持 IDE 隐藏(ESC / 保存 / 复制 / 固定 / 关闭)。
  • 工具 ▸ 延时截屏 ▸ 3s / 5s / 10s — 显示屏幕倒计时,然后捕获(让你有时间先切换窗口或打开菜单)。
  • 状态栏按钮 — 相机图标(立即捕获)和显示器图标(隐藏 IDE 后捕获桌面)。可通过状态栏右键菜单切换任一按钮。
  • 注释浮层 — 提供箭头、形状、文本、高亮、马赛克遮挡、水印,以及复制 / 保存 / 固定功能。
  • 设置 ▸ 工具 ▸ GenAI Capture — 水印页面(外观、默认文本、行为、实时预览)和工具栏页面(选择 / 重新排序捕获工具栏上的工具)。所有快捷键均可在 设置 ▸ 按键映射 中重新绑定。

在 macOS 上,请为 IDE 授予屏幕录制权限(系统设置 ▸ 隐私与安全性 ▸ 屏幕录制),否则捕获结果会是黑屏 — 这也是所有屏幕捕获工具的共同要求。

构建方式

它通过 Gradle Copy 步骤复用桌面应用的代码(../src/main/java + ../src/main/resources),并过滤掉应用外壳以及无法在 IDE 的 JBR 中加载的部分(osystem/ FFM 代码、jnativehook 全局快捷键、系统托盘,以及桌面主题的设置面板)。src/main/java/io/genai/screenshot/ 下不依赖 FFM 的轻量替代实现(osystem/AbstractOs、CaptureController、ScreenshotApp)满足了覆盖层调用的少数 OS 调用。截图本身使用 java.awt.Robot(无原生代码)。插件自己的操作、设置页面和状态栏小组件位于 src/main/java/io/genai/screenshot/plugin/ 下。

仅针对平台模块(com.intellij.modules.platform)构建,因此一次构建即可在所有 JetBrains IDE 中运行。

先决条件

  • JDK 17+(JBR 或任何 JDK 17+)。
  • 已安装 JetBrains IDE(默认情况下,构建目标为本地的 GoLand——参见 build.gradle.kts)。若要使用其他 IDE,请编辑 local("…") 行,或切换为已下载的 IDE,例如 intellijIdeaCommunity("2024.1")。
  • Gradle:最简单的方式是在 IntelliJ IDEA 中打开此 jetbrains-plugin/ 文件夹(它会导入 Gradle 项目并提供 Wrapper)。或者运行 brew install gradle,然后运行一次 gradle wrapper。

运行(沙盒 IDE)

cd jetbrains-plugin
./gradlew runIde          # launches GoLand with the plugin loaded

然后使用 Tools ▸ 截图(⌘⇧1)或状态栏中的相机图标。

构建可安装的插件

cd jetbrains-plugin
./gradlew buildPlugin      # -> build/distributions/genai-capture-plugin-1.0.0.zip

在任何 IDE 中安装:Settings ▸ Plugins ▸ ⚙ ▸ Install Plugin from Disk… → 选择 zip 文件。

备注 / 后续步骤

  • 已验证复用的覆盖层代码可在 Java 17 下编译,且无需 FFM / jnativehook 依赖。
  • 首次运行 runIde 时,可能需要针对你的具体版本,对 IntelliJ Platform Gradle DSL 或 local(...) IDE 路径进行少量调整——之后可在此基础上迭代。
  • 未来可能提供的选项:仅截取选定区域,或设置可配置的默认延迟。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。