DeepSeek Visionary

在任意支持 MCP 的 AI agent（Zed、OpenCode、Codex、Claude Code、Cursor、Claude Desktop）中使用 DeepSeek 网页版的原生多模态视觉模型，支持浏览器自动登录（无需手动复制 token）。

这是 Python 版 deepseek-vision-mcp 的 Rust 全量重写：单原生二进制，多平台分发。

架构

graph TD
    subgraph 宿主[任意 MCP 宿主]
        AG["Zed / OpenCode / Codex / Claude Code / Cursor / Claude Desktop"]
        AG -->|spawn 独立进程| SRV
    end
    subgraph visionary-server 原生二进制
        SRV["MCP stdio 服务<br/>vision / status / login / logout 工具<br/>init / doctor CLI"]
        CFG["~/.deepseek-visionary/config.json<br/>token + smidV2 + cf_clearance + 会话"]
        SRV --> CFG
    end
    SRV -->|HTTPS| DS["DeepSeek 网页后端"]
    SRV -->|CDP 启动 + 监听| BRO["Chrome 系浏览器<br/>仅登录时出现"]

• visionary-server：标准 MCP stdio 服务，实现完整 vision 流水线（PoW → 上传 → fork → HIF 签名 → SSE 流式 completion）与 CDP 自动登录；同时提供 init / doctor CLI 引导接入

• visionary-zed-ext：Zed 扩展壳（仅 Zed 需要），按平台从 GitHub Releases 下载/缓存 visionary-server 并启动

Related MCP server: multimodal-mcp

安装

1. 安装二进制

# 一键脚本（macOS / Linux）
curl -LsSf https://github.com/xlight/deepseek-visionary/releases/latest/download/visionary-server-installer.sh | sh

# 或 Homebrew
brew install xlight/tap/visionary-server

# 或 npm
npm install -g @xlight-oss/visionary-server

也可以直接从 GitHub Releases 下载对应平台的 visionary-server-<target-triple> 裸二进制加入 PATH。 Windows 用户可使用 PowerShell 安装脚本。

2. 接入你的 AI agent

# 一键检测并接入（列出已安装 agent）
visionary-server init

# 接入指定 agent
visionary-server init opencode
visionary-server init codex
visionary-server init claude
visionary-server init cursor
visionary-server init claude-desktop

# 批量接入多个 agent（免交互）
visionary-server init --opencode --codex --yes

# 先预览将写入的配置（不落盘）
visionary-server init opencode --dry-run

各 agent 的详细接入文档见 docs/integrations/：

新兴通道：Microsoft Agent Package Manager 用户可直接 apm install --mcp io.github.xlight/deepseek-visionary（复用 MCP Registry 标识）。

3. 登录

调用 MCP 工具的 deepseek_vision_login 完成自动登录：

• 会打开浏览器窗口并导航到 chat.deepseek.com

• 在浏览器中登录后，工具自动抓取 token 并保存

手动兜底：登录 chat.deepseek.com 后，DevTools → Application → Local Storage → userToken → 复制 JSON.parse(value).value，写入 ~/.deepseek-visionary/config.json：

{ "user_token": "你的 token" }

4. 使用

调用 deepseek_vision 传入图片路径或 base64 即可识图。

Zed 扩展安装

如果你只用 Zed，也可以直接从扩展市场安装：

1. Zed 命令面板（Cmd+Shift+P）→ zed: extensions → 搜索 DeepSeek Visionary → Install

2. 扩展壳自动下载/缓存 visionary-server 二进制并启动 MCP 服务

3. 授权工具权限（见 docs/integrations/zed.md）

CLI 工具

MCP 工具

会话续聊

deepseek_vision 支持多轮对话：

• continue_conversation=true：复用上一次会话，可对比多张图片

• session_id：显式切换到指定会话线程

会话状态持久化在 ~/.deepseek-visionary/session.json。

环境变量

开发

# 构建原生服务
cargo build -p visionary-server --release

# 构建扩展壳（wasm32-wasip2）
rustup target add wasm32-wasip2
cargo build -p visionary-zed-ext --release --target wasm32-wasip2

# 测试
cargo test -p visionary-server

平台支持

• macOS（Apple Silicon / Intel）

• Linux（x86_64 / aarch64）

• Windows（x86_64）

需要 Chrome / Chromium / Edge 之一用于自动登录。

工作原理（要点）

• PoW：wasmtime 加载 DeepSeek 站内 sha3_wasm_bg.*.wasm（随仓库分发），调用 wasm_solve 求解 upload_file 与 completion 的 challenge

• TLS 指纹：completion 端点与 Python 版（curl_cffi chrome131）对齐；Rust 侧默认普通 reqwest，若被 403 再启用指纹模拟（见 design.md spike 记录）

• 登录：CDP 控制 Chrome 系浏览器（专用 profile ~/.deepseek-visionary/browser/），读取 localStorage.userToken 与 smidV2 / cf_clearance cookie

• 凭据安全：~/.deepseek-visionary/config.json 权限 0600，浏览器 profile 0700

License

MIT