MCP Desktop DVR

✅ 生产就绪

适用于macOS桌面视频捕获和分析的MCP服务器。使Claude能够通过30分钟滚动缓冲区来分析屏幕活动。

功能

• 桌面活动的30分钟滚动缓冲区
• 使用OpenAI GPT-4o（云端）或Tarsier2-7B（本地）进行AI驱动的视觉分析
• 从OpenAI → Tarsier → OCR的智能回退
• 按应用程序进行窗口特定捕获
• 精确提取时间片段
• 经过全面测试的生产就绪

要求

• macOS 10.15+
• Node.js 18+
• 屏幕录制权限

快速设置

npm install && npm run build

在Claude Desktop配置中添加：

{
  "mcpServers": {
    "desktop-dvr": {
      "command": "node",
      "args": ["/path/to/mcp-desktop-dvr/dist/index.js"],
      "env": {
        "ANALYZER_PREFERENCE": "auto"  // 自动选择最佳可用分析器
      }
    }
  }
}

工具

• start-continuous-capture - 开始录制
• analyze-desktop-now - 提取并分析最近的活动
• get-capture-status - 检查录制状态
• stop-capture - 停止录制
• configure-capture - 更新设置

使用方法

询问Claude：

• "开始桌面录制"
• "分析最后30秒"
• "我的屏幕上有什么错误？"

视频分析选项

analyze-desktop-now工具支持具有不同优势的多个分析器：

☁️ OpenAI GPT-4o Vision（主要 - 云端）

• 使用GPT-4o通过Responses API进行最准确的分析
• 自动GIF分割 - 从视频创建10秒片段
• 智能文件管理 - 在本地保存所有GIF文件，与MP4一起
• 高效上传 - 只发送第一个片段到OpenAI进行分析
• 对复杂工作流程的全面理解
• 需要OpenAI API密钥和互联网连接
• 快速处理（约3-5秒）

🤖 Tarsier2-7B（备用 - 本地AI）

• 使用Metal Performance Shaders在Mac上本地运行
• 无需API密钥 - 完全私有
• 对UI、游戏和图形的优秀视觉理解
• 适度处理时间（对于30秒片段约5-15秒）

📝 OCR文本提取（最终备用）

• 从截图中进行基本文本提取
• 对现代UI的有限有效性
• 作为最终备用始终可用

配置

在您的MCP配置中设置环境变量：

"env": {
  "ANALYZER_PREFERENCE": "auto",       // 选项："auto", "openai", "tarsier", "ocr"
  "OPENAI_API_KEY": "sk-...",          // 用于OpenAI（推荐）
  "OPENAI_MODEL": "gpt-4o"             // OpenAI模型（默认：gpt-4o）
}

分析器选择逻辑

• "auto"（默认） - 如果设置了API密钥，则使用OpenAI，否则使用Tarsier，然后是OCR
• "openai" - 强制使用OpenAI GPT-4o Vision（需要API密钥）
• "tarsier" - 强制使用Tarsier2--7B本地AI
• "ocr" - 强制使用基本OCR文本提取

文档

• 用户指南 - 设置和使用说明
• CLAUDE.md - 开发信息

许可证

ISC