# doubao-mcp

豆包 MCP Server — 通过网页版豆包(web.doubao.com)提供**零 API 成本**的视觉与问答能力。

基于 CDP + Playwright 接管独立 profile 的 Chrome，在豆包网页版上传图片提问、抓取 AI 回复返回，不需要豆包 API Key。

## 能力

| 工具 | 说明 |
|------|------|
| `vision_analyze` | 图片识别/分析（上传图片到豆包网页版提问并取回复） |
| `video_analyze` | 视频分析（下载/本地 → 抽帧烧时间戳 → 拼图分块 → 豆包识别，可选本地转写） |
| `ask_doubao` | 纯文本问答（复用豆包会话，支持多轮上下文） |
| `daemon_start` | 启动 Chrome daemon（独立 profile，端口 9223，幂等） |
| `daemon_status` | 检查 daemon 运行状态 |
| `daemon_stop` | 关闭 Chrome daemon |

## 工作原理

```
Claude Code ──MCP stdio──> server.py ──> doubao_vision.py ──CDP──> Chrome (独立 profile)
                                        video_analyze.py              │
                                                           web.doubao.com（网页版）
```

- Chrome 以 `--remote-debugging-port=9223` 启动独立 profile，登录态持久化
- 图片通过 filechooser 事件上传，回复通过 DOM 特征（`data-streaming` 等）等待生成完成后提取
- 纯网页操作，**无 API 成本**，仅需可登录豆包的 Chrome

## 环境要求

- Python 3.10+
- Chrome（自动探测 `CHROME_PATH` 环境变量或常见安装路径）
- 可选：`ffmpeg`/`ffprobe`（视频抽帧）、`yt-dlp`（在线视频下载）、faster-whisper（音频转写）

## 安装

```bash
pip install fastmcp playwright websocket-client
# 可选功能依赖
pip install pillow        # 视频帧时间戳烧录
pip install faster-whisper  # 音频转写
```

## 使用

### 1. 作为 MCP server（Claude Code 等）

```json
{
  "mcpServers": {
    "doubao-mcp": {
      "command": "python",
      "args": ["/path/to/doubao-mcp/server.py"]
    }
  }
}
```

### 2. HTTP 模式（调试）

```bash
python server.py --port 8080
```

### 3. 直接 CLI 调用（不含 MCP）

```bash
# 启动 Chrome daemon（首次需手动登录豆包一次，登录态持久化）
python doubao_mcp/doubao_vision.py --start

# 图片识别
python doubao_mcp/doubao_vision.py --image photo.jpg --question "请描述这张图片"

# 视频分析（本地文件或 URL）
python doubao_mcp/video_analyze.py --video demo.mp4
```

## 配置

- **Chrome 路径**：设置环境变量 `CHROME_PATH` 指定 Chrome 可执行文件
- **CDP 端口**：默认 `9223`，见 `doubao_vision.py` 中的 `CDP_PORT`
- **登录态**：独立 profile 位于 `~/.claude/doubao-vision-profile`，首次使用 `daemon_start` 后手动登录一次即可

## 常见问题

- **退出码 1（CDP 不可达）**：daemon 未启动，先运行 `daemon_start`
- **退出码 2（未登录）**：打开豆包页面手动登录一次
- **退出码 5（超时）**：豆包生成较慢，增大 `--timeout`
- **退出码 6（安全过滤）**：回复为空，可能是风控或内容被过滤

## License

MIT