deepsee

给 DeepSeek 等纯文本模型补上「看图」能力 —— 在 Claude Code / Codex / Cursor / 任意聊天客户端里贴一张图,模型能读懂并回答,不报 unsupported,和原生识图模型一样丝滑。

原理:DeepSeek 纯文本看不到图,deepsee 用便宜/免费的视觉 API(默认智谱 GLM-4V-Flash)把图转成文字描述,再喂给你的 DeepSeek。视觉供应商和上游 LLM 都任意自接,不绑定任何厂商。

你贴图 ──→ 视觉 API(免费/便宜)转成文字 ──→ 你的 DeepSeek 读描述回答

快速开始

pip install deepsee-mcp        # 或: git clone <repo> && ./install.sh
deepsee setup              # 向导:①选视觉供应商(智谱免费) ②填上游 ③集成
deepsee install            # 装进 Claude Code(Hook + MCP),重启即生效
# 然后:Claude Code 里直接贴图,DeepSeek 就能看懂

完整的配置方法(拿 key、各字段含义、常见组合、排障)见 docs/CONFIGURATION.md。

Related MCP server: glm-vision

没有 API key?

deepsee setup 选「演示模式」或「本地 OCR」即可零成本先跑起来,之后随时补 key。

六种使用形态

装成 MCP 插件(Cursor / Cline / 任意 MCP 客户端)

仓库里自带 mcp.json,在 Cursor(Cursor 设置 → MCP)或 Cline 里指向它即可; 或手动注册(把 deepsee 换成 deepsee mcp 的实际命令):

{
  "mcpServers": {
    "deepsee": {
      "command": "deepsee",
      "args": ["mcp"]
    }
  }
}

• 全局安装后即可用:pipx install deepsee-mcp(或 pip install deepsee-mcp),然后 deepsee mcp。

• 工具:describe_image / ocr_image / generate_image / vision_status。

• 配置目录通过环境变量 DEEPSEE_HOME 覆盖(默认 ~/.deepsee)。

• 发布到 Smithery/mcp.so:见 docs/CONFIGURATION.md 的「MCP 发布」一节。

兼容性

• 视觉供应商:任意 OpenAI 兼容视觉端点 —— 智谱 GLM-4V-Flash(免费)、阿里百炼 qwen-vl、硅基流动、OpenAI、Gemini、Groq、OpenRouter、本地 vLLM/Ollama;多供应商自动降级链。

• 上游:任意 OpenAI / Anthropic 兼容端点 —— DeepSeek 官方、各类中转/网关、本地 Ollama;format=auto 时双协议各自流式转发。

• 免 key:demo 演示模式(零网络)、local-ocr 本地 OCR(离线)。

• 纯 stdlib,零第三方依赖;Linux / macOS / Windows。

项目结构

deepsee/
├── vision.py    视觉客户端 + 多供应商降级链
├── caption.py   识图(describe/ocr/qa)
├── chat.py      对话服务(图片→文字→上游,代理与网页共用)
├── proxy.py     OpenAI + Anthropic 双协议代理(图片块→文字→DeepSeek)
├── mcp_server.py 手写轻量 MCP(零依赖)
├── hook_claude.py Claude Code PreToolUse Hook
├── web.py + web/static/  网页聊天界面(标签页:对话/识图/画图/状态/配置)
├── cli.py / installer.py / config.py / util.py / generate.py
docs/  PRD / 架构 / 配置方法
tests/ pytest(75 用例,全离线 mock)

开发

pip install -e '.[dev]'
pytest

License

MIT License —— 随便用、随便改,欢迎提交 PR 与 issue。