屏幕截图分析工具

一个使用FastMCP框架实现的屏幕截图工具,能够捕获屏幕内容并通过Ollama API或阿里云Dashscope发送给视觉模型进行分析。

  • by ALNESTI
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 alnesti/mcp-server-get-the-screen

使用说明

一个简单的捕获屏幕的mcp🦊

这个项目是一个使用 FastMCP 框架实现的屏幕截图工具,它能够捕获屏幕内容,并通过 Ollama API或者是阿里云的Dashscope发送给视觉模型进行分析

功能描述

  • 屏幕截图:使用 ImageGrab 捕获整个屏幕,并调整图像大小
  • Base64 编码:将截图转换为 Base64 编码的 data URL
  • Ollama API 调用:将 Base64 编码的图像发送给 Ollama API 进行分析,以识别图像内容
  • 结果返回:将 Ollama API 返回的结果返回给用户

注意事项🚨

  • 请确保 Ollama API 已经运行,或者你已正确配置了Dashscope API 的地址和模型名称
  • 本示例使用了 qwen2.5vl:7b 作为视觉模型,你可以根据需要替换为其他模型
  • 请根据你的需求调整图像的缩放倍数(4050跑视觉模型什么的还是太勉强了😭……建议真的缩放倍率开高一点)