Provides OCR-based reading and clicking of text in Chrome/Electron applications, enabling desktop automation for Electron apps despite limited UI Automation support.
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
Plugin MCP local que le da a DSH visión, control y lectura del escritorio de
Windows: 19 herramientas mcp__eyes__* registradas con la fila oficial
@deepseek-ai/dsh-mcp-client. Sin servidor externo, sin proveedor de visión, sin
dependencias nativas de npm y sin red para el OCR.
English · Cómo funciona · MIT
Recomendada (gestor de plugins / página Plugins de DSH):
dsh plugin --profile <perfil> add dsh-plugin-eyes
# o directo desde GitHub:
dsh plugin --profile <perfil> add github:thegabopacheco-sudo/dsh-plugin-eyesEn la app de escritorio el perfil lo administra la aplicación: instalalo desde
Settings → Plugins (o pedile al agente que use el plugin manager). El paquete
trae un postinstall que copia el runtime a <DSH_HOME>\plugins\eyes; pnpm puede
pedirte permitir el build script — aceptá (Permitir estos scripts y
reintentar). No instala nada global, no toca el registro, no crea servicios.
Manual (desarrollo/offline):
powershell -ExecutionPolicy Bypass -File .\install.ps1
powershell -ExecutionPolicy Bypass -File .\install.ps1 -UninstallRequisitos: Windows 10 19041+/11, PowerShell 5.1 (incluido), Node ≥20 (lo aporta
DSH), .NET Framework 4.x (incluido) para eyes-capture.exe. El OCR usa los
idiomas OCR de Windows instalados.
Related MCP server: Computer Use MCP
Tool | Qué hace |
| Captura pantalla (todos los monitores), monitor, ventana o región y devuelve la imagen dentro del tool result. Opciones: |
| Ventanas visibles / monitores y escritorio virtual. |
| OCR local (Windows.Media.Ocr, sin red): líneas + palabras con coordenadas absolutas; |
| OCR + click: encuentra texto visible y lo clickea ( |
Tool | Qué hace |
| Click izquierdo/derecho/medio en píxeles físicos del escritorio virtual. |
| Mueve el cursor / gira la rueda (positivo = arriba). |
| Texto unicode / combinación de teclas. Con |
| Press en (x,y), mover a (toX,toY), soltar (drag & drop, sliders). |
|
|
| Lee / escribe el portapapeles. |
| Hasta 30 acciones en una llamada; corta al primer error; |
Tool | Qué hace |
| Árbol acotado: nombre, |
| Texto vía |
| Actúa por nombre o |
click, scroll, type, press, ui_click, ui_set_value y click_text
aceptan verify:true y devuelven captura posterior; batch devuelve la final.
«mirá mi pantalla y decime qué ves»
«leé lo que dice esta ventana de Chrome» → ocr
«buscá el botón Guardar y tocá» → click_text
«completá el formulario: escribí X, tab, Y y enviá» → batch
«abrí el menú Archivo de Notepad y decime las opciones» → ui_tree + ui_click
«copiá esta captura y pegala en el chat» → screenshot clipboard:true + press ctrl+v
Apps nativas → UI Automation; web/Electron → ocr + click_text o screenshot con
grid/marks.
DSH_EYES_MODE=read-only desactiva todas las acciones de input.
Cada acción mutante se registra en <DSH_HOME>\cache\eyes\audit.jsonl.
Campos de contraseña rechazados; Set-of-Marks no los numera.
type/press/click/drag con window abortan si la ventana desapareció.
Capturas locales (~/.dsh/cache/eyes, máx. 40 + archivos OCR).
Límites: SendInput no atraviesa UIPI/secure desktop (UAC/bloqueo);
Chrome/Electron exponen poco UI Automation; PrintWindow suele ser rechazado por
Chromium (se captura el área visible); ventanas minimizadas no se capturan.
server.mjs + tools-extra.mjs ─► MCP stdio (fila de @deepseek-ai/dsh-mcp-client)
├─ eyes-capture.exe ← C#: GDI, PrintWindow+DWM, DPI-aware, multi-monitor,
│ SendInput, portapapeles, UI Automation, marks,
│ drag y acciones de ventana
└─ ocr.ps1 ← Windows.Media.Ocr (WinRT) sobre un PNG ya capturadoEl servidor usa @modelcontextprotocol/server@2.2.0 (protocolo 2026-07-28).
El capturador es .exe porque un .ps1 con Add-Type + CopyFromScreen fue
bloqueado por AMSI/Defender como contenido malicioso; el OCR corre en otro
script PowerShell sin código de captura y escribe JSON UTF-8 a un archivo.
cordis.patch.yml inserta una fila de @deepseek-ai/dsh-mcp-client sin rutas
de máquina: command = process.execPath, servidor en <DSH_HOME>/plugins/eyes.
eyes | appshot | vision-toolkit | codex-style | |
Windows | ✅ | ✅ | ✅ | ✅ |
Imagen dentro del tool result | ✅ | ✅ | ❌ | parcial |
Manos (click/teclado/drag/ventana) | ✅ | ❌ | ❌ | ✅ |
UI Automation | ✅ | ❌ | ❌ | ✅ |
OCR local con cajas + click_text | ✅ | ❌ | ✅ | ✅ |
Set-of-Marks + verify + batch | ✅ | ❌ | ❌ | ✅ (batch) |
read-only + audit | ✅ | ❌ | ❌ | ✅ (4 modos) |
Settings card / hotkey | ❌ roadmap | ✅ | ✅ | ❌ |
Peso | ~47 KB exe + bundle 1,2 MB | 42,2 MB | 10,1 MB | 9,1 MB |
npm install
npm run build:bundle # dist/server.mjs (esbuild)
powershell -ExecutionPolicy Bypass -File .\build.ps1 -Force # eyes-capture.exe (csc.exe)
cd test; npm install; node connect-test.mjs; node connect-test-extra.mjsMIT © thegabopacheco-sudo
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Eyes and hands on real Windows PCs — observe, click, type via Glasswarp API.
Securely control computers you explicitly pair through files, terminals, processes, screenshots, desktop UI/input, clipboard, browser automation, diagnostics, and document tools.
Control your authorized Windows computers via OAuth: files, shell, apps, and task status.
Connect ChatGPT, Claude, Cursor or VS Code to your Windows PC: files, terminal, browser, apps.
