mcpField
V
visiongemma

visiongemma

本地服务
github.com/q1023884985AI 与智能体27 周前更新
代码仓库

关于 visiongemma

VisionGemma 是面向 Windows 的本地图片识别工具，也包含 AI 桌宠；项目已归档，不再维护。它通过 MCP 的 `vision_analyze` 工具向 AI 助手提供离线图片分析、OCR、图表解读和场景描述。

主要功能

  1. 01本地图片分析与结构化描述
  2. 02中英文 OCR 文字提取
  3. 03图表解读与场景描述
  4. 04Vulkan 加速并可回退至 CPU
  5. 05内置可对话的 AI 桌宠

适用场景

  1. 01让不支持图片输入的 AI 助手分析图片
  2. 02从截图中提取中英文文字
  3. 03离线识别图表与场景
  4. 04通过桌宠对话并识别屏幕

MCP 相关

作为 MCP 服务端接入 AI 工具，提供 `vision_analyze` 工具进行图片识别。图片处理在本机完成，不上传数据。

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": {
    "q1023884985-visiongemma": {
      "command": "uvx",
      "args": [
        "visiongemma-mcp"
      ]
    }
  }
}
启动命令uvx visiongemma-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
pypivisiongemma-mcp2.1.0

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

来自项目 README

VisionGemma - 本地图片识别 + AI 桌宠

警告

本项目已淘汰归档，不再维护。保留仓库与 Release 附件仅供已有用户追溯，新用户请勿使用。

在完全本地的 Windows 电脑上运行的开箱即用图片识别工具 + 趣味 AI 桌宠。图片识别全程在本机完成，不上传任何数据。

产品展示

Agent 自动调起识别

当你的 AI 助手遇到图片、又恰好不支持图片输入时，VisionGemma 会作为 MCP 工具被自动调起，把"看图能力"无缝交给它：

Agent 自动调起识别

一键接入你的 AI 助手

不用手写配置文件。软件内置对接引导，复制一段话粘贴给 AI 助手，或直接复制配置 JSON，即可完成 MCP 对接：

一键 MCP 对接

本地精准识别

选图 → 识别 → 得到结构化描述，全程离线。产品图、截图、图表都能看懂：

本地精准识别

趣味 AI 桌宠

桌面陪伴小宠物，支持自然对话、识别屏幕与图片：

趣味 AI 桌宠

功能特性

  • 傻瓜式部署：下载解压，双击运行，自动下载模型并完成配置，零命令行、零环境配置
  • Agent MCP 对接：可作为 MCP 服务器接入任意 AI 工具（vision_analyze 工具），让 AI 获得看图能力
  • 本地图片识别：图片分析、OCR 文字提取（中英文）、图表解读、场景描述全部在本机完成
  • Vulkan 加速：支持 NVIDIA / AMD / Intel 显卡硬件加速；无独显时自动回退 CPU 运行
  • 趣味 AI 桌宠：托盘启动可爱桌宠，可对话、可识别屏幕/图片，互动陪伴
  • 隐私安全：所有识别完全离线本地完成，不上传任何数据到云端
  • 单文件免安装：一个 exe 即完整运行，内置 Vulkan 引擎与桌宠

系统要求

  • Windows 10/11 x64
  • 显卡支持 Vulkan（NVIDIA / AMD / Intel 均可，推荐硬件加速）
  • 无独显时自动回退 CPU 运行
  • 磁盘剩余空间 >= 5GB（模型约 3.2GB）

下载

GitHub Release（推荐）

前往 Releases 页面下载 v2.1.1

安装包：VisionGemma-20260821.zip SHA256：83C6170BBD7367B1A535A586BEE08F6BAC73F5EAC089736E189B62017532B944

国内镜像

快速开始

  1. 解压压缩包，双击 VisionGemma.exe，首次运行自动打开配置向导
  2. 向导引导自动下载模型（约 3.2GB，支持断点续传）
  3. 下载完成后即可开始使用

趣味桌宠

  1. 右键托盘图标 →「趣味桌宠」，可快速启动桌宠，自动拉起本地识别引擎
  2. 桌宠支持对话、选择主题等功能
  3. 可通过托盘菜单设置开机自启

作为 MCP 服务器使用（接入 AI 工具）

在 AI 工具的 MCP 配置中加入：

{
  "mcpServers": {
    "vision-gemma": {
      "command": "VisionGemma.exe 完整路径",
      "args": ["--mcp"],
      "type": "stdio"
    }
  }
}

然后即可调用 vision_analyze 工具识别图片。更省事的做法：打开软件的「对接引导」，复制话术粘贴给 AI 助手即可。

文件说明

  • VisionGemma.exe 主程序（内置 Vulkan 引擎 + 桌宠，单文件免安装）
  • 模型存放于 %LOCALAPPDATA%\VisionGemma\models

隐私说明

所有图片识别完全在本地完成，不上传任何数据。

售后支持

友情链接

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。