AI导哈

截图管理代理

一个基于微软Agent框架和MCP协议的AI截图管理工具，支持OCR优先处理和GPT-4o视觉回退，适用于开发者演示和自动化截图管理场景。

  • by rfergu
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 rfergu/screenshot-agent-spechint

使用说明

截图代理-SpecKit重建包

希望构建一个AI驱动的屏幕截图组织器的规范，演示Microsoft Agent Framework与MCP（模型上下文协议）的集成。

这个包裹里有什么

此存储库包含规范中截图代理的描述。

.
├── .specify/memory/
│   └── constitution.md          # Non-negotiable principles (v2.1.0)
├── specs/001-screenshot-organizer/
│   ├── spec.md                  # Complete functional specification
│   ├── plan.md                  # Implementation plan
│   ├── quickstart.md            # Quick start guide
│   └── contracts/
│       └── mcp-api-spec.json    # MCP tool contracts
├── AZURE_SETUP.md               # Azure AI Foundry setup guide (get $200 free credits!)
├── SPECHINT.md                  # Tips & gotchas from original build
└── README.md                    # This file

你将建造什么

展示生产模式的AI代理：

  • Microsoft代理框架 用于会话编排
  • 模型上下文协议（MCP） 用于标准化工具集成
  • OCR首次处理 GPT-4o视觉回退
  • 对话式用户体验
  • 统一架构（代理与嵌入式MCP，不单独）

用例： 截图组织（但架构是真正的演示）

如何构建

步骤0：设置Azure AI Foundry（必需）

在开始之前，您需要Azure AI凭据来运行代理：

📘 AZURE_SETUP.md -完整的设置指南：

  • 获得200美元的免费Azure信用额度
  • 创建Azure AI Foundry项目
  • 部署GPT-4o模型
  • 获取环境变量：
    export AZURE_AI_CHAT_ENDPOINT="https://your-project.services.ai.azure.com/api/projects/your-project"
export AZURE_AI_MODEL_DEPLOYMENT="gpt-4o"
export AZURE_AI_CHAT_KEY="your_api_key"

⏱️ 所需时间： 首次设置需要15-20分钟

第一步：阅读基金会文件

从这里开始，按以下顺序：

  1. SPECHINT.md -请先阅读此内容！为您节省时间的提示：

    • 实际有效的依赖关系
    • 性能技巧（OCR优先=快40倍！）
    • Gotchas&修复
    • 架构见解

  2. .define/memory/constitution.md -不可协商的约束：

    • 所需技术栈（第十条）
    • 重建的核心原则

  3. specs/001屏幕截图管理器/spec.md -构建内容：

    • 项目目的（主要目的：代理框架+MCP演示）
    • 用户故事
    • 功能需求

第二步：计划实施

  1. specs/001截图管理器/plan.md -如何构建它：

    • 体系结构模式
    • 部件分解
    • 集成方法

  2. specs/001截图管理器/quickstart.md -开始：

    • 安装说明
    • 环境配置
    • 测试程序

关键技术

自 宪法.md第十条 -所需堆栈：

  • 语言： Python 3.11+
  • 人工智能框架： Microsoft代理框架(agent-framework 包装）
  • 工具协议： 模型上下文协议(mcp 包装）
  • AI提供商： Azure OpenAI或Azure AI Foundry
  • OCR： 立方体
  • 愿景： GPT-4o（通过Azure）

体系结构模式

自 规格.md -统一模式：

Agent Framework (Brain 🧠)
    ↓ embeds
MCP Client Wrapper
    ↓ manages subprocess
MCP Server (Hands 🤲)
    ↓ operates on
File System

关键原则： 代理框架包含MCP客户端。不是“代理+MCP作为单独的服务”，而是“带有嵌入式MCP客户端的代理”。

成功标准

在以下情况下，您已成功重建：

  • ✅ 所有用户故事（US-001至US-011）均有效
  • ✅ 满足宪法原则
  • ✅ 所有功能要求（FR-001至FR-016）均已实施
  • ✅ Agent演示框架+MCP集成
  • ✅ OCR首次处理与视觉回退一起工作
  • ✅ 对话式用户体验遵循7阶段流程

SPECHINT.md亮点

在开始之前，了解这些陷阱：

依赖关系：

  • 代理框架使用 1.0.0b* 版本，不是 0.1.0!

演出

  • OCR优先策略=文本截图速度提高40倍
  • 在GPT-4o Vision（~2s）之前尝试Tesseract OCR（~50ms）

架构：

  • MCP子流程需求 .parent.parent.parent 查找项目根
  • 本地模式=仅测试（无工具）
  • 远程模式=完整演示（7个MCP工具）

请参阅SPECHINT.md以获取完整提示！

项目目的

自 规格.md:

主要目标： 演示带有嵌入式MCP客户端集成的Microsoft代理框架

截图组织是一个演示！ 之所以选择它，是因为它需要多步骤的工具编排，并清楚地展示了“大脑与手”的模式。

文件解释

文件 目的 何时阅读
AZURE_SETUP.md Azure AI Foundry设置和免费积分 开始前-所需凭据
SPECHINT.md 实用技巧和注意事项 优先阅读-节省时间
宪法 不可协商的约束 规划前
规格.md 构建内容 需求
平面.md 如何构建 编码前
快速启动.md 安装和设置 准备实施时

这是免费且无阻碍的“软件”，已发布到公共领域。

软件按“原样”提供，不提供任何形式的保证。 有关更多信息，请参阅 https://unlicense.org/

使用SpecKit构建

该项目展示了 SpecKit工作流程:

  • 宪法→ Spec → Plan → 实施
  • 所有需求均可通过用户故事和功能需求进行追溯
  • 仅根据规格即可重建

你能重建它吗？ 🚀

相关 MCP