# Vision Eyes MCP — локальные «глаза» для ИИ-агентов

Один мега-инструмент `vision_eyes`. 100% локально (Pillow + numpy).
Без cloud API, без ключей, без оплаты.

Когда агент вызывает инструмент — получает детальный разбор кадра:
размер, яркость, RGB-статистика, доминантные цвета (k-means),
сетка 3×3 с координатами, гистограмма яркости, крупные однородные
регионы с bbox, резкость, плотность краёв, симметрия.
Попиксельно: `pixel x,y`. Зум: `crop`. Координаты: `grid`. Diff: `compare`.

## Установка в 1 команду

```bash
pip install "git+https://github.com/Mishaadevv/vision-eyes-mcp.git"
```

Проверка:

```bash
python -m vision_eyes_mcp.server --help  # или просто запустится по stdio
```

## Подключение

### opencode (`opencode.json`)

```json
{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "vision-eyes": {
      "type": "local",
      "command": ["python", "-m", "vision_eyes_mcp.server"],
      "enabled": true
    }
  }
}
```

С uv (если установлен):

```json
{ "mcp": { "vision-eyes": { "type": "local",
  "command": ["uvx", "--from", "git+https://github.com/Mishaadevv/vision-eyes-mcp.git", "vision-eyes-mcp"] } } }
```

### Cline (`.cline/mcp_settings.json` или настройки MCP)

```json
{
  "mcpServers": {
    "vision-eyes": {
      "command": "python",
      "args": ["-m", "vision_eyes_mcp.server"]
    }
  }
}
```

### Claude Code (`claude mcp add`)

```bash
claude mcp add vision-eyes -- python -m vision_eyes_mcp.server
```

### Codex (`~/.codex/config.toml`)

```toml
[mcp_servers.vision-eyes]
command = "python"
args = ["-m", "vision_eyes_mcp.server"]
```

### Cursor / Windsurf / любой stdio-клиент

- Command: `python`
- Args: `-m vision_eyes_mcp.server`

## Картинки прямо из чата + финальный ответ

Не нужно сохранять файлы: агент передаёт вложение из чата как `image_base64`
(поддерживаются `data:image/...;base64,...`), а правило в `AGENTS.md`
заставляет его делать это автоматически. Скопируй `AGENTS.md` в свой проект.

Финальное название объекта даёт `action=classify` — локальный CLIP
(zero-shot, без облака и оплаты). Включение одной командой:

```bash
pip install torch --index-url https://download.pytorch.org/whl/cpu
pip install "vision-eyes-mcp[local-ai] @ git+https://github.com/Mishaadevv/vision-eyes-mcp.git"
```

Первый запуск `classify` скачает веса CLIP (~350 МБ) с HuggingFace,
дальше работает офлайн.

```
vision_eyes action=classify image_path="tank.png" lang=ru
vision_eyes action=classify image_path="tank.png" labels="T-34 tank, M46 Patton tank, Tiger tank" lang=ru
```

## Скриптовые детекторы (без моделей, v0.3.0)

`action=analyze detail=deep` добавляет секцию «Подсказки для опознания» —
гипотезы, не факты:
- кандидаты в **ствол** (длинные прямые в средней зоне кадра + куда зумить для проверки),
- покрытие **хаки/олива и пустынного загара** (военная техника?),
- **улица/ангар** по верхней полосе и ровности света.

Инструмент предлагает — агент проверяет кропами своим зрением.

## Использование (агентом)

```
vision_eyes action=analyze image_path="C:/pics/photo.png" detail=deep lang=ru
vision_eyes action=pixel image_path="C:/pics/photo.png" x=120 y=80
vision_eyes action=crop image_path="C:/pics/photo.png" x0=40 y0=50 x1=300 y1=400 scale=4
vision_eyes action=grid image_path="C:/pics/photo.png" grid_step=100
vision_eyes action=compare image_path="a.png" image_path2="b.png"
```

Координаты: `x` 0..W-1 слева направо, `y` 0..H-1 сверху вниз.
`detail`: `standard` | `deep` (по умолч.) | `ultra`.
Вход: `image_path` ИЛИ `image_url` ИЛИ `image_base64`.

## Как это даёт «каждый пиксель»

1. `analyze` — весь кадр цифрами + bbox регионов.
2. `crop` — сохраняет увеличенный кроп, агент смотрит его своим зрением.
3. `pixel` — точный цвет точки + окрестность 5×5 и патч 32×32.
4. `grid` — сетка координат для привязки зон.

Семантику («что за объект») докручивает сам агент своим VLM
по кропам — сервер даёт ему цифры и зумы, которых нет при обычном просмотре.

## Локальная разработка

```bash
pip install -e ".[dev]"  # dev-экстры нет, хватит: pip install -e .
python -m vision_eyes_mcp.server  # stdio
```

Зависимости: `mcp>=1`, `pillow>=10`, `numpy>=1.24`. Совместимо с MCP SDK v1 (`FastMCP`) и v2 (`MCPServer`).

Лицензия MIT.