搜索「Vision」的结果

io.github.sena-labs/replicate-mcp-server

Replicate 的 MCP 服务器，共 36 个工具：图像、视频、音频、语音、大模型、视觉、超分、3D 与训练。

io.github.hoainho/podium-mcp

移动端 E2E MCP（51 个工具）：覆盖 iOS 与 Android、原生 UI 与 canvas/WebGL，无需视觉模型，支持 RN 调试。

io.github.tosin2013/helmdeck

自托管 MCP 服务，为任意智能体提供沙箱浏览器、桌面、视觉与代码编辑工具包。

io.github.afferens/mcp-server

面向 AI 智能体的实时物理感知——视觉、空间、声学与环境影响。

io.github.perceptdot/sentry

面向 AI 智能体的 Sentry 错误追踪视角——附带 ROI 度量，详见 perceptdot.com

io.github.perceptdot/github

面向 AI 智能体的 GitHub 仓库监控视角——附带 ROI 度量。

io.github.perceptdot/vercel

面向 AI 智能体的 Vercel 部署视角——附带 ROI 度量，详见 perceptdot.com

io.github.perceptdot/ga4

面向 AI 智能体的 Google Analytics 4 视角——附带 ROI 度量，详见 perceptdot.com

io.github.felixgeelhaar/scout

具备 84 个工具的浏览器自动化 MCP server：纯 CDP 实现，支持 DOM 差分与视觉混合模式。

ai.roc/mcp

ROC 生物识别与计算机视觉能力：人脸、车牌、OCR、行人、车辆与枪支检测。

app.contendeo/contendeo

多模态视频分析 MCP —— 对任意视频 URL 进行转写、视觉理解与 OCR。

com.roboflow/roboflow-mcp

面向 AI 智能体的 Roboflow 计算机视觉：数据集、标注、版本、工作流与推理。

io.github.mlintangmz2765/scholar

面向深度学术研究的加固版 Scholar MCP，接入 Scopus、OpenAlex、Unpaywall 并支持 PDF 视觉解析。

io.github.ykshah1309/stealth-agent-browser-mcp

隐身 Chromium MCP 服务器，融合 AOM 与 Set-of-Mark 视觉方案，并用 Readability 提取正文。

io.github.divitkashyap/auto-skill-loader

自动将技能加载到智能体会话中，并提供 MiniMax 视觉与搜索代理。

io.github.ndjordjevic/pinrag

MCP 版 RAG：索引 PDF、代码仓库、YouTube、Discord 与文本，可选 YouTube 视觉解析，检索结果附引用。

io.github.saranshbamania/mobile-device-mcp

AI 控制 Android/iOS 设备：截图、UI 树、AI 视觉、Flutter、视频，共 49 个工具。

io.github.AdonaiVera/fiftyone-mcp-server

通过 AI 助手以 80 多个算子控制 FiftyOne 计算机视觉数据集。

io.github.PyJudge/pdf4vllm

面向视觉 LLM 的 PDF 阅读器，可自动检测文本损坏并切换为图像模式。

io.github.shalevshalit/image-recognition-mcp

基于 OpenAI 视觉模型的 AI 图像识别与描述 MCP 服务器。

io.github.shalevshalit/image-recongnition-mcp

基于 OpenAI 视觉模型的 AI 图像识别与描述 MCP 服务器。

io.github.K-Dense-AI/scientific-agent-skills/paperclip

使用 GXL 的 Paperclip CLI 检索和阅读生物医学论文全文、FDA/PMDA/EMA 监管文件、临床试验注册信息和 UniProt/PDB/ChEMBL 条目。涵盖用 PAPERCLIP_API_KEY 安装与鉴权 `paperclip` 二进制、/papers、/fda、/trials、/proteins、/clipboard 下的只读虚拟文件系统、来源范围的语义搜索、全语料 grep、元数据查询与 SQL、跨多篇论文的 map/reduce 阅读、图像视觉分析、带论断核验的可选论文仓库，以及锁定行号的引用。当被要求安装 paperclip、运行 paperclip search/grep/map/reduce/sql/repo、通过 paperclip 查找或阅读生物医学文献、监管文件或临床试验，或生成带行号的引用时使用。

io.github.davila7/claude-code-templates/computer-use-agents

构建像人一样操作计算机的 AI 智能体——看屏幕、移动光标、点击按钮、输入文字。覆盖 Anthropic Computer Use、OpenAI Operator/CUA 及开源替代方案，重点关注沙箱化、安全以及基于视觉控制带来的独特挑战。触发场景：computer use、桌面自动化智能体、屏幕控制 AI、视觉智能体、GUI 自动化。

io.github.sickn33/antigravity-awesome-skills/hugging-face-model-trainer

使用 TRL（Transformer Reinforcement Learning）或 Unsloth，配合 Hugging Face Jobs 基础设施训练或微调语言模型与视觉模型。涵盖 SFT、DPO、GRPO 与奖励建模训练方法，以及用于本地部署的 GGUF 转换。