截图MCP——智能截图清理+搜索
我和其他数百万人都有同样的问题：我们囤积了数百（有时是数千）张截图，因为它们很重要 *当下*，但它们立刻消失在混乱之中。没有办法搜查他们。没有办法组织他们。以后无法实际使用它们。
屏幕截图MCP修复了这个问题。\ 它将您的屏幕截图转化为一个完全可搜索、语义感知、隐私保护的知识库，由本地MCP服务器提供支持。ScreenshotMCP使用OCR+LLM将您的屏幕截图文件夹转换为结构化、可查询的数据集，通过本地MCP服务器公开，以便Cursor和Claude Desktop等AI工具可以安全地与它们交互。
https://github.com/user-attachments/assets/dbd2bc88-d014-4861-9d60-1e62e576763f
问题
截图文件夹包含职位发布、收据、航班确认、错误报告、表情包、TODO提醒。
但是：
- 文件名毫无意义
- 您无法在图像中搜索文本
- 删除很乏味
- 截图变成了数字杂乱
截图=非结构化的混乱。
解决方案
ScreenshotMCP引入了一个智能截图工作流程：
✔️ OCR每个截图：从图像中提取真实文本。
✔️ LLM驱动的分类：每个截图都经过分析并标记为：
- 简短的描述
- 一个类别(
KEEP_IMPORTANT,KEEP,REVIEW,DELETE) - 一个理由
- 建议采取的行动
✔️ 自然语言搜索：对话式搜索截图
✔️ 安全删除工作流程：仅在明确确认后进行（批量）删除
✔️ 完全本地化和隐私优先：您的图像永远不会离开您的机器
✔️ 通过MCP公开：允许AI工具通过工具调用读取、分类、搜索和管理屏幕截图
特性
| 特性 | 描述 |
|---|---|
| OCR提取 | 读取PNG/JPG屏幕截图中的文本 |
| 截图分类 | LLM分配类别+描述 |
| 自然语言搜索 | 截图语义检索 |
| 安全删除 | 基于确认的删除流程 |
| 点击打开 | 直接打开截图文件 |
| MCP工具 | 4个一致的工具端点 |
MCP API工具（主要工具）
| 工具名称 | 参数 | 描述 |
|---|---|---|
| mcp_list_screenshots | folder （字符串）， max_files （数字，默认值：20） | 列出文件夹中的屏幕截图文件。 |
| mcp-analyze_screenshots | folder （字符串）， max_files （数字，默认值：20） | 在屏幕截图上运行OCR+LLM分类。 |
| mcp_search_screenshots | folder （字符串）， query （字符串）， max_files (20), top_k (10), min_score （0.2） | 自然语言截图搜索。 |
| mcp_delete_creenshots | folder （字符串）， filenames （字符串或列表，默认值：\[\]） | 按文件名删除屏幕截图。 |
UI/Gradio工具（内部UI工具）
| 工具名称 | 参数 | 描述 |
|---|---|---|
| 进程文件夹 | folder_path （string） | 全文件夹OCR+分类管道。 |
| prepare_delete | rows （表）， file_paths （dict） | 准备删除确认对话框。 |
| 应用程序删除 | rows （表）， file_paths （dict） | 执行屏幕截图删除。 |
| cancel_delete | *（无）* | 取消删除对话框。 |
| open_screenshot_from_table | rows （表）， file_paths 字典 evt | 点击UI表格打开屏幕截图。 |
| search_folder_for_query | folder （字符串）， query （字符串） | UI中的自然语言搜索。 |
| open_screenshot_from_search | results （表）， evt | 从搜索结果中打开屏幕截图。 |
说明
1.克隆仓库
- 克隆https://github.com/suzana-ilic/screenshot_app
- cd截图应用程序
2.创建虚拟环境
- python3-m venv-venv
- 源venv/bin/activate
3.安装依赖项
- ip安装-r要求.txt
4.运行MCP服务器
- python app.py
光标演示
https://github.com/user-attachments/assets/3fc60316-2d40-444d-a970-d9b25f161c78
使用的贡献者和开发工具
- 苏萨娜·伊里奇
- VS编码与法典；光标 --用于开发、调试、MCP测试
- 格拉迪奥 --UI+MCP集成
- python --服务器+业务逻辑
- 泰瑟瑞特光学字符识别 --文本提取
- OpenAI GPT-4o --截图语义分析
- httpx/sseclient --流式传输MCP呼叫