Image Reader MCP

已合并至 anymd（2026-09-25）。 anymd 可将 PDF、Office 文件、EPUB、网页、图像和视频读取为简洁的 Markdown，供 AI Agent 使用：npx -y @sylphx/anymd。此仓库已归档。

---

问题所在

截图不是段落。若 Agent 猜测文本、尺寸，或从未测量过的像素，就会引用它无法展示的内容。

区别

需求	Iris 返回
“读取这张截图。”	尺寸、格式、元数据和可信度警告。不运行 OCR，除非你提出请求。
“读取文字。”	仅当 include_ocr 为 true 或 profile 为 quality 时，返回带边界框的 OCR 行。
“这两张截图有哪些变化？”	当两张图像尺寸相同时，返回变化的像素和变化区域的边界框。
“裁剪此区域。”	像素边界和哈希。仅当 include_region_image 为 true 时返回 PNG 字节。

Iris 不会运行生成式视觉模型。缺少 Tesseract 二进制文件意味着无法识别，而不是凭空编造转录内容。

安装

npx -y @sylphx/iris

这会启动一个 stdio MCP 服务。无需 API 密钥。OCR 需要 PATH 中存在 tesseract 二进制文件。

客户端	配置
任意 Agent / 命令行	npx -y @sylphx/iris
Claude Code	claude mcp add iris -- npx -y @sylphx/iris
Claude Desktop / Cursor / VS Code / Codex	"command": "npx", "args": ["-y", "@sylphx/iris"]

{
  "mcpServers": {
    "iris": { "command": "npx", "args": ["-y", "@sylphx/iris"] }
  }
}

先读取，再按需获取文本

{ "path": "/absolute/path/to/screenshot.png" }

fast 或不设置 profile 时，会返回尺寸、格式、元数据和可信度警告，不运行 OCR。

{
  "path": "/absolute/path/to/screenshot.png",
  "include_ocr": true
}

设置 include_ocr: true 或 profile: "quality" 时，会运行本地 Tesseract。显式设置 include_ocr: false 的优先级高于 quality。如果缺少 Tesseract，status 仍为 ok，且 gaps 中会包含 OCR_UNAVAILABLE。

参考：工具 · 默认设置

工具

工具	调用时机
read_image	读取一张本地图像。提供几何信息和元数据。仅在请求时执行 OCR。可在读取时通过可选的 region 进行裁剪。
image_probe	获取格式、尺寸、像素数和源哈希。不执行 OCR，也不裁剪。
crop_region	获取一个可引用的区域：边界和哈希。设置 include_region_image 可获取 PNG 字节。不执行 OCR。
compare_images	比较两张尺寸相同的图像中的变化像素。不执行 OCR。

不会假装的事

• GPS 字段始终会被删除。没有任何开关可以恢复这些字段。
• 默认文件大小上限为 32 MiB（33,554,432 字节）。裁剪区域不得超过 67,108,864 像素。
• compare_images 要求图像尺寸相同，不会调整任一图像的尺寸。
• OCR 行的格式为 {text, bbox, confidence}。默认语言为 eng。
• 超大或无法解码的文件会报错，不会作为成功读取结果返回。

配套 MCP 工具

产品	用途
Citra	提供带页面级证据的 PDF 答案
Cue	提供视频时间线和时间戳证据
Spine	分析仓库架构和影响
Locus	精确检索代码块
Lookout	提供带来源摘录的网络研究

每款产品都可独立使用。只安装 Agent 所需的工具。

文档

网站	安装和首次调用
快速入门	安装和首次调用
比较	Iris 的功能及其拒绝的内容

开发

bun install
bun test
bun run check
bun run docs:build
cargo test

许可证

MIT