MCP Desktop DVR

MCP 桌面 DVR

✅ 已可用于生产环境

用于在 macOS 上捕获和分析桌面视频的 MCP 服务。通过 30 分钟滚动缓冲区，让 Claude 能够分析屏幕活动。

功能

• 桌面活动的30 分钟滚动缓冲区
• 使用 OpenAI GPT-4o（云端）或 Tarsier2-7B（本地）进行AI 驱动的视觉分析
• 从 OpenAI → Tarsier → OCR 的智能回退
• 按应用程序进行特定窗口捕获
• 精确提取时间片段
• 可用于生产环境，并经过全面测试

要求

• macOS 10.15+
• Node.js 18+
• 屏幕录制权限

快速设置

npm install && npm run build

添加到 Claude Desktop 配置中：

{
  "mcpServers": {
    "desktop-dvr": {
      "command": "node",
      "args": ["/path/to/mcp-desktop-dvr/dist/index.js"],
      "env": {
        "ANALYZER_PREFERENCE": "auto"  // Auto-select best available analyzer
      }
    }
  }
}

工具

• start-continuous-capture - 开始录制
• analyze-desktop-now - 提取并分析近期活动
• get-capture-status - 检查录制状态
• stop-capture - 停止录制
• configure-capture - 更新设置

用法

向 Claude 提问：

• “开始录制桌面”
• “分析最近 30 秒”
• “我的屏幕上有哪些错误？”

视频分析选项

analyze-desktop-now 工具支持多种分析器，各有不同优势：

☁️ OpenAI GPT-4o Vision（主要方案 - 云端）

• 通过 Responses API 使用 GPT-4o，提供最准确的分析
• 自动 GIF 分段——从视频创建 10 秒片段
• 智能文件管理——在 MP4 文件旁边保留所有 GIF 文件
• 高效上传——仅向 OpenAI 发送第一个片段进行分析
• 能够全面理解复杂工作流
• 需要 OpenAI API 密钥和互联网连接
• 处理速度快（约 3-5 秒）

🤖 Tarsier2-7B（回退方案 - 本地 AI）

• 使用 Metal Performance Shaders 在 Mac 上本地运行
• 无需 API 密钥——完全私密
• 对 UI、游戏和图形有出色的视觉理解能力
• 处理时间适中（30 秒片段约需 5-15 秒）

📝 OCR 文本提取（最终回退方案）

• 从屏幕截图中进行基础文本提取
• 对现代 UI 的效果有限
• 始终可用，作为最终回退方案

配置

在 MCP 配置中设置环境变量：

"env": {
  "ANALYZER_PREFERENCE": "auto",       // Options: "auto", "openai", "tarsier", "ocr"
  "OPENAI_API_KEY": "sk-...",          // For OpenAI (recommended)
  "OPENAI_MODEL": "gpt-4o"             // OpenAI model (default: gpt-4o)
}

分析器选择逻辑

• "auto"（默认）——如果设置了 API 密钥，则使用 OpenAI；否则使用 Tarsier，然后使用 OCR
• "openai" ——强制使用 OpenAI GPT-4o Vision（需要 API 密钥）
• "tarsier" ——强制使用 Tarsier2-7B 本地 AI
• "ocr" ——强制进行基础 OCR 文本提取

文档

• 用户指南 - 设置和使用说明
• CLAUDE.md - 开发信息

许可证

ISC