talkthrough-mcp gjør et kommentert skjermopptak til agent-klare data lokalt
onsdag 22. juli · KI-generert · Kilde: GitHub
Gjør et kommentert skjermopptak til strukturerte, agent-klare data lokalt, uten noen språkmodell eller sky i selve serveren.
Der en skjermopptaker-SaaS sender videoen til skyen, kjører talkthrough-mcp alt på din egen maskin og jobber på vilkårlige lokale filer. Serveren gjør et kommentert opptak, eller hvilken som helst video- eller lydfil, om til tidsstemplet transkript, valgfrie hvem-sa-hva-etiketter, keyframes ved scenebytte og OCR av tekst på skjermen.
Det er ingen språkmodell inne i serveren og ingen sky i løypa: ffmpeg, faster-whisper og RapidOCR kjører lokalt, og den kallende agenten står for intelligensen. Alt serveres gjennom lazy retrieval-verktøy, så et 30-minutters opptak flommer aldri modellens kontekst. Agenten henter akkurat den transkript-biten, moment-bunten eller rammen den trenger.
Detaljen som skiller den ut, er at hvert tidsstempel forankres til klokketid. «Øyeblikket jeg sa at utsjekken hang» peker dermed rett på riktig vindu i serverloggene dine. Serveren følger også med workflow-oppsett: server-prompter og eksempel-agenter som viser hvordan et opptak blir til bugrapporter, spec eller backlog.
Hva bør du gjøre?
- Installer serveren med uvx og koble den til Claude Desktop, Cursor eller Codex CLI hvis du vil gi en agent kontekst fra skjermopptak.
- Bruk lazy retrieval-verktøyene på lange opptak: agenten henter biter, så du slipper å presse hele transkriptet inn i konteksten.