DeepSeek Visionary

在 Zed 中使用 DeepSeek 网页版的原生多模态视觉模型 的 MCP 扩展，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 + Zed 扩展壳，多平台分发。

架构

graph TD
    subgraph Zed 宿主
        EXT["visionary-zed-ext 扩展壳 (wasm32-wasip2)<br/>下载/定位二进制 + 返回启动命令"]
        EXT -->|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"]
        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：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

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

Related MCP server: multimodal-mcp

安装

1. 从 Zed 扩展市场安装 DeepSeek Visionary（或在开发模式下安装本地扩展）

2. 在 Zed 中调用 MCP 工具 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

3. 直接使用 deepseek_vision 识图

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" }

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。

Zed 权限建议

在 Zed 设置中为扩展授予工具权限：

{
  "agent": {
    "tool_permissions": {
      "context_servers.deepseek-visionary": {
        "deepseek_vision": "allow",
        "deepseek_vision_login": "allow",
        "deepseek_vision_status": "allow",
        "deepseek_vision_logout": "allow"
      }
    }
  }
}

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

本地联调：在 Zed 中通过 Extensions → Install Dev Extension 选择 crates/visionary-zed-ext 目录； 调试时可在扩展设置中配置 server_path 指向本地构建的 visionary-server。

环境变量

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