v1.5.0

See CHANGELOG.md for full details.

v1.4.1

See CHANGELOG.md for full details.

v1.4.0

See CHANGELOG.md for full details.

v1.2.1

Full Changelog: v1.2.0...v1.2.1

v1.2.0

Full Changelog: v1.1.0...v1.2.0

v1.1.0: 任务调度4工具架构 + 分级模型配置

Breaking Changes

• 移除 multimodal_grounding_augment 单工具入口，请使用新的 4 个独立工具
• 移除文档类型支持（PDF/DOCX/PPTX/XLSX/TXT/MD）
• 移除 maxVideoFrames / maxDocPages 配置项（不再需要）

新工具

工具	说明
visual_describe	场景描述（自然语言），先理解画面
visual_locate	坐标定位（JSON），注入 describe 上下文
visual_ocr	文字/表格提取
visual_video_analyze	视频内容分析

分级模型配置

VISION_API_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
VISION_API_KEY=sk-xxx
VISION_MODEL_NAME=qwen3.5-plus        # 默认模型

# 可选：每工具独立模型
VISION_MODEL_DESCRIBE=qwen3.5-plus
VISION_MODEL_LOCATE=qwen3.5-plus
VISION_MODEL_OCR=qwen3.5-plus
VISION_MODEL_VIDEO=qwen3.5-plus

视频处理

视频通过 video_url 直接发送给视觉模型，不再使用 FFmpeg 抽帧。移除 ffmpeg-static / sharp / pdf-poppler 依赖。

推荐用法

visual_describe(image) → 理解场景
visual_locate(same_session, "找到提交按钮") → 获取坐标

v1.0.4 — 视频适配器系统 FFmpeg 兜底

新增

• 视频适配器增加系统 PATH 上的 ffmpeg 命令兜底：ffmpeg-static 不可用时自动 fallback，无需任何配置

方案说明

• Windows: choco install ffmpeg 或从 https://ffmpeg.org 下载放到 PATH
• macOS: brew install ffmpeg
• Linux: apt install ffmpeg / yum install ffmpeg
• 不装 FFmpeg 也不影响其他功能，仅视频抽帧降级返回空数组

完整 Changelog: v1.0.3...v1.0.4

v1.0.3 — 修复 Windows 安装 + npm 自动发布

修复

• 将 ffmpeg-static 移至 optionalDependencies，避免 Windows SSL 证书问题阻塞安装
• 新增 GitHub Actions 自动发布工作流（推送 tag 触发 npm publish）

文档

• README 新增 DeepSeek《Thinking with Visual Primitives》论文灵感来源说明
• 清理过时模型推荐，仅保留 qwen3.5-plus

安全

• 从 Git 历史中移除 .mcp.json 配置文件

完整 Changelog: v1.0.2...v1.0.3

v1.0.2 — CLI 入口 + .mcp.json 自动启动

新功能

• CLI 入口：添加 bin/cli.js，支持 npx visual-primitives-mcp 一键启动
• .mcp.json 配置：Claude Code 项目根目录配置后自动发现并拉起进程，无需手动启动
• 四平台 MCP 配置示例：README 新增 Claude Code / Claude Desktop / OpenCode / Codex
• 推荐模型更新：qwen3.5-plus @ 阿里云百炼平台

配置即启动

{
  "mcpServers": {
    "visual-primitives": {
      "type": "stdio",
      "command": "npx",
      "args": ["visual-primitives-mcp"],
      "env": {
        "VISION_API_BASE_URL": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "VISION_API_KEY": "你的百炼 API Key",
        "VISION_MODEL_NAME": "qwen3.5-plus"
      }
    }
  }
}

配置完成后 Claude Code 自动启动 MCP 服务，无需额外操作。

安装

npm install -g visual-primitives-mcp