DeepSee

概要

DeepSeeはスクリーンショットを正確なテキストへ変換するオープンソースの MCP サーバーです。視覚モデルが見落とす細部まで、各語のピクセル座標・色・スペースを含む完全な文字起こしを返します。ブラウザ内でも動作し、VRAMの消費ゼロ・アップロードなし・完全にローカルで動作します。同じスクリーンショットは毎回同じ文字起こしを返すため、テキスト中心のエージェントと組み合わせると UI解析が安定します。DeepSeekを活用することで、UIのデバッグや検証が容易になります。