（933期）Give eyes to your openclaw – AI 视角，看见你的屏幕

AI 视角，看见你的屏幕 让 AI 看见你的屏幕——本地截屏、录屏、语音捕获与视觉分析，数据零上传，隐私优先的屏幕感知 MCP 工具 使用说明 核心用法 Eye2byte 是一个开源 MCP 服务器，赋予 AI Agent「视觉能力」。通过 captureandsummarize、capturewithvoice、recordclipand_summarize 等工具，AI 可以主动捕获用户屏幕截图、录制短片段、同步语音描述，并返回结构化的 Context Pack（包含目标、环境、屏幕状态、错误信号、情境推断和建议）。 关键工具 captureandsummarize：全屏/窗口/区域截图，支持多显示器（monitor=-1 捕获全部屏幕） capturewithvoice：截图+语音同步，适合口述问题场景 recordclipand_summarize：录屏提取关键帧，用于分析动态流程 summarize_screenshot：分析已有图片文件 transcribe_audio：本地 Whisper 语音转文字 getrecentcontext：召回历史捕获记录 显著优点 完全本地化：所有数据存储在 ~/.eye2byte/output/，7 天自动清理，零云端上传 零遥测：不收集任何分析数据 灵活捕获：支持延迟捕获、窗口名定位、多显示器管理 结构化输出：Context Pack 标准化视觉信息，降低沟通成本 远程支持：SSE 模式允许跨机器连接（需 token 认证） 潜在局限 依赖本地环境：需 Python + ffmpeg，Windows/macOS/Linux 兼容性需实测 vision model 依赖：图像分析依赖用户配置的第三方 API（如 GPT-4V） 权限要求：录屏/截图需系统级权限，部分企业环境受限 token 管理：远程模式需用户妥善保管 EYE2BYTEMCPTOKEN 适合人群 需要 AI 协助调试 UI 问题、代码报错、终端输出的开发者 希望通过语音+屏幕快速描述复杂场景的产品/设计师 追求数据隐私、拒绝云端截图服务的敏感行业用户 常规风险 本地文件安全：捕获文件明文存储，多用户共享机器需注意权限 API 密钥暴露：若配置 vision model，需确保密钥安全 误捕获敏感信息：建议用户延迟捕获或手动清理含密码/隐私的截图 SSE 传输安全：远程模式建议配合 VPN 或 TLS 代理，避免 token 嗅探 原始说明 Give your agent eyes — capture screenshots, voice, and annotations from any screen, monitor, or device via MCP.