Visiongemma

io.github.q1023884985由 GitHub 账号 q1023884985 发布v2.1.0更新于 Oct 24, 2026

Local AI vision MCP server for Windows: OCR, chart analysis, scene description. 100% offline.

已验证STDIO仅桌面媒体与设计AI 与机器学习

概览

AI 生成的概览

面向 Windows 的本地视觉 MCP 服务器，通过一个 vision_analyze 工具让 AI 助手离线完成 OCR、图表解读和场景描述。

可以做什么
分析图片：提供单个 vision_analyze 工具，让无法直接看图的助手识别产品图、截图和图表并返回结构化描述。提取文字：对图片中的中英文进行 OCR。解读图表并描述场景，全部在本机处理。同一程序还附带桌面宠物，可对话并识别屏幕或图片。
适用场景
适合助手收到图片但自身不支持图片输入，且必须在 Windows 电脑上处理、不希望把图片上传到云端服务的场景。
运行要求
仅支持 Windows 10/11 x64；以本地 stdio 进程运行，通过 VisionGemma.exe 路径加 --mcp 参数启动。建议使用支持 Vulkan 的显卡，无独显时回退 CPU。需约 5GB 可用磁盘空间，首次运行会下载约 3.2GB 模型并存放于 %LOCALAPPDATA%。
安装前请注意
项目已标注淘汰归档，并提示新用户不要使用。README 列出个人联系方式（QQ、微信、邮箱）及第三方网站链接；运行前请核对下载文件及其 SHA256。桌面宠物可识别屏幕，请注意屏幕上显示的内容。

安装

在 SourceWeft 中

  1. 打开 控制台中的 Visiongemma，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照 仓库 中的启动说明。

README

VisionGemma - 本地图片识别 + AI 桌宠

[!WARNING] 本项目已淘汰归档，不再维护。保留仓库与 Release 附件仅供已有用户追溯，新用户请勿使用。

在完全本地的 Windows 电脑上运行的开箱即用图片识别工具 + 趣味 AI 桌宠。图片识别全程在本机完成，不上传任何数据。

产品展示

Agent 自动调起识别

当你的 AI 助手遇到图片、又恰好不支持图片输入时，VisionGemma 会作为 MCP 工具被自动调起，把"看图能力"无缝交给它：

[Agent 自动调起识别]

一键接入你的 AI 助手

不用手写配置文件。软件内置对接引导，复制一段话粘贴给 AI 助手，或直接复制配置 JSON，即可完成 MCP 对接：

[一键 MCP 对接]

本地精准识别

选图 → 识别 → 得到结构化描述，全程离线。产品图、截图、图表都能看懂：

[本地精准识别]

趣味 AI 桌宠

桌面陪伴小宠物，支持自然对话、识别屏幕与图片：

[趣味 AI 桌宠]

功能特性

  • 傻瓜式部署：下载解压，双击运行，自动下载模型并完成配置，零命令行、零环境配置
  • Agent MCP 对接：可作为 MCP 服务器接入任意 AI 工具（vision_analyze 工具），让 AI 获得看图能力
  • 本地图片识别：图片分析、OCR 文字提取（中英文）、图表解读、场景描述全部在本机完成
  • Vulkan 加速：支持 NVIDIA / AMD / Intel 显卡硬件加速；无独显时自动回退 CPU 运行
  • 趣味 AI 桌宠：托盘启动可爱桌宠，可对话、可识别屏幕/图片，互动陪伴
  • 隐私安全：所有识别完全离线本地完成，不上传任何数据到云端
  • 单文件免安装：一个 exe 即完整运行，内置 Vulkan 引擎与桌宠

系统要求

  • Windows 10/11 x64
  • 显卡支持 Vulkan（NVIDIA / AMD / Intel 均可，推荐硬件加速）
  • 无独显时自动回退 CPU 运行
  • 磁盘剩余空间 >= 5GB（模型约 3.2GB）

下载

GitHub Release（推荐）

前往 Releases 页面下载 v2.1.1

安装包：VisionGemma-20260821.zip SHA256：83C6170BBD7367B1A535A586BEE08F6BAC73F5EAC089736E189B62017532B944

国内镜像

快速开始

  1. 解压压缩包，双击 VisionGemma.exe，首次运行自动打开配置向导
  2. 向导引导自动下载模型（约 3.2GB，支持断点续传）
  3. 下载完成后即可开始使用

趣味桌宠

  1. 右键托盘图标 →「趣味桌宠」，可快速启动桌宠，自动拉起本地识别引擎
  2. 桌宠支持对话、选择主题等功能
  3. 可通过托盘菜单设置开机自启

作为 MCP 服务器使用（接入 AI 工具）

在 AI 工具的 MCP 配置中加入：

json
{  "mcpServers": {    "vision-gemma": {      "command": "VisionGemma.exe 完整路径",      "args": ["--mcp"],      "type": "stdio"    }  }}

然后即可调用 vision_analyze 工具识别图片。更省事的做法：打开软件的「对接引导」，复制话术粘贴给 AI 助手即可。

文件说明

  • VisionGemma.exe 主程序（内置 Vulkan 引擎 + 桌宠，单文件免安装）
  • 模型存放于 %LOCALAPPDATA%\VisionGemma\models

隐私说明

所有图片识别完全在本地完成，不上传任何数据。

售后支持

友情链接

来源：README.md，提交 50a9188

工具

0
SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

1
  1. v2.1.0最新Sep 16, 2026

评分

已满足适用检查项的 40%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通25 分

    请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。

  • 已声明认证方式10 分

    请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。

  • 已列出工具15 分

    请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。

  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分

    请在仓库或注册中心条目中声明许可证。