Can See

Name: Can See
Author: HurleySk

โดย HurleySkรุ่น 0.4.0i★ –iรันบนเครื่อง

ชื่อใน registryio.github.HurleySk/can-see

ติดตั้ง

ภาพรวม

คำอธิบายจากผู้ทำ (ภาษาอังกฤษตามต้นฉบับ)

Let AI agents see and interact with terminal/CLI apps via PNG screenshots

สามเสาของ PopNx MCP

สามเรื่องนี้ไม่รวมเป็นคะแนนเดียว เพราะความเห็น การวัด และความนิยม เป็นคนละเรื่องกัน

เสียงผู้ใช้iยังไม่มีรีวิวรีวิวเปิดพร้อมระบบบัญชีในขั้นถัดไป
ผลตรวจเบื้องต้นของเราiผ่าน 1 จาก 1 ข้อตรวจจากข้อมูลที่เปิดอยู่ ยังไม่ได้สแกนโค้ด
การใช้งานiยังไม่ได้วัด★ –

ใช้ทำอะไรได้

ตัวนี้ยังไม่ได้เรียบเรียงเป็นภาษาไทย ด้านล่างคือข้อเท็จจริงที่เราอ่านจาก registry

การเชื่อมต่อ: รันบนเครื่อง
ช่องทาง (transport): stdio
หมวด: อื่น ๆ

ติดตั้ง

เลือกโปรแกรม AI ที่คุณใช้ แล้วคัดลอกค่าตั้งไปวาง

ก่อนติดตั้ง

ผลตรวจเบื้องต้น: ผ่าน 1 จาก 1 ข้อ
รันในเครื่องคุณด้วยสิทธิ์ของผู้ใช้คุณ (ไฟล์ อินเทอร์เน็ต แอปต่าง ๆ)
ค่าที่คุณต้องใส่เอง: DEFAULT_COLS, DEFAULT_ROWS, IDLE_TIMEOUT_MS

ต้องเตรียมก่อน

npmติดตั้ง Node.js (มีคำสั่ง npx) ในเครื่อง

คุณใช้แอปไหน

ClaudeClaude CodeCursorVS CodeChatGPT

เลือกแอปด้านบน เราจำไว้ให้ ครั้งหน้าปุ่มจะขึ้นว่า “ติดตั้งลง …”

เปิด Claude Desktop → Settings → Developer → Edit Config แล้ววางค่านี้ในไฟล์ claude_desktop_config.json

{
  "mcpServers": {
    "can-see": {
      "command": "npx",
      "args": [
        "-y",
        "can-see"
      ],
      "env": {
        "DEFAULT_COLS": "ใส่ค่าของคุณ",
        "DEFAULT_ROWS": "ใส่ค่าของคุณ",
        "IDLE_TIMEOUT_MS": "ใส่ค่าของคุณ"
      }
    }
  }
}

พิมพ์คำสั่งนี้ใน Terminal

claude mcp add can-see --env DEFAULT_COLS='ใส่ค่าของคุณ' --env DEFAULT_ROWS='ใส่ค่าของคุณ' --env IDLE_TIMEOUT_MS='ใส่ค่าของคุณ' -- npx -y can-see

เติมค่าที่เว้นว่างไว้ก่อนรัน

เปิดใน Cursor

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .cursor/mcp.json ของโปรเจกต์ หรือ ~/.cursor/mcp.json

{
  "mcpServers": {
    "can-see": {
      "command": "npx",
      "args": [
        "-y",
        "can-see"
      ],
      "env": {
        "DEFAULT_COLS": "ใส่ค่าของคุณ",
        "DEFAULT_ROWS": "ใส่ค่าของคุณ",
        "IDLE_TIMEOUT_MS": "ใส่ค่าของคุณ"
      }
    }
  }
}

เบราว์เซอร์จะถามก่อนเปิดแอป จากนั้นแอปแสดงค่าตั้งให้ตรวจแล้วกดยืนยัน ช่อง key เว้นว่างไว้ให้คุณใส่เอง

เปิดใน VS Code

หรือคัดลอกค่าตั้งเอง

วางในไฟล์ .vscode/mcp.json ของโปรเจกต์

{
  "servers": {
    "can-see": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "can-see"
      ],
      "env": {
        "DEFAULT_COLS": "ใส่ค่าของคุณ",
        "DEFAULT_ROWS": "ใส่ค่าของคุณ",
        "IDLE_TIMEOUT_MS": "ใส่ค่าของคุณ"
      }
    }
  }
}

ตัวนี้รันในเครื่องคุณ แต่ ChatGPT ต่อได้เฉพาะ server บนอินเทอร์เน็ต ลองเลือกแอปอื่น

ตัวเลือกเก็บในคุกกี้บนเครื่องนี้ ไม่ต้องมีบัญชี

ค่าที่ต้องใส่เอง

DEFAULT_COLS env
Terminal width in columns (default: 120)
DEFAULT_ROWS env
Terminal height in rows (default: 30)
IDLE_TIMEOUT_MS env
Auto-close idle sessions after this many milliseconds (default: 300000)

ค่าตั้งนี้สร้างจากข้อมูลใน registry ของผู้ทำ ถ้าไม่ตรงกับ README ให้เชื่อ README

ทำอะไรได้บ้าง

รันในเครื่องคุณ รายการเครื่องมือจะขึ้นในแอป AI หลังติดตั้ง

ผลตรวจเบื้องต้นi

เราตรวจจากข้อมูลที่ใครก็เปิดดูได้ ยังไม่ได้อ่านโค้ด ข้อที่ไม่เกี่ยวกับตัวนี้ไม่นับในตัวหาร · ตรวจเมื่อ 7 พ.ย. 2569

✓ ผ่าน
ตัวตนผู้ทำตรงกับ repo
ชื่อใน registry ยืนยันด้วยบัญชี GitHub HurleySk ซึ่งเป็นเจ้าของ repo
… ยังไม่ตรวจ
ยังมีคนดูแล
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
… ยังไม่ตรวจ
มีสัญญาอนุญาต (license)
ยังไม่ได้อ่านข้อมูล repo จาก GitHub
– ไม่เกี่ยว
endpoint ตอบ
ตัวนี้รันบนเครื่องคุณ ไม่มี endpoint บนอินเทอร์เน็ต
– ไม่เกี่ยว
ล็อกอินแบบ OAuth
ตัวนี้รันบนเครื่อง ใช้ค่าที่ตั้งในเครื่องแทน
… ยังไม่ตรวจ
คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง
รันในเครื่องคุณ เราอ่านรายการเครื่องมือได้เฉพาะตัวที่มี endpoint บนอินเทอร์เน็ต

เทียบกับตัวอื่นในหมวด อื่น ๆi

ดาวมากกว่า 0% ของอีก 32568 ตัวในหมวดนี้
ส่งรุ่นใหม่เข้า registry ล่าสุดกว่า 7% ของอีก 32568 ตัวในหมวดนี้
ผลตรวจเบื้องต้นดีกว่าหรือเท่ากับ 100% ของอีก 32568 ตัวในหมวดนี้

เทียบกับทุก server ที่ยังใช้งานในหมวดนี้ทั้งทะเบียน ดาวนับเฉพาะเมื่อผู้ลงทะเบียนเป็นเจ้าของ repo

คำถามที่พบบ่อย

Can See ปลอดภัยไหม?

จากการตรวจเบื้องต้นของเรา ผ่าน 1 จาก 1 ข้อที่ตรวจได้ เรายังไม่ได้อ่านโค้ด ก่อนใส่กุญแจหรือ token ให้ดูว่า server ขอสิทธิ์อะไร และเลือกกุญแจที่ทำได้เท่าที่จำเป็น

ต้องใช้กุญแจหรือรหัสอะไรบ้าง?

registry ไม่ได้ระบุว่าต้องใช้กุญแจ แต่บางตัวจะขอให้ล็อกอินตอนใช้ครั้งแรก

ตัวนี้รันบนเครื่องหรือบนคลาวด์?

รันบนเครื่องของคุณ โปรแกรม AI จะเปิด server ขึ้นมาเองเมื่อใช้ ข้อมูลไม่ต้องผ่านเซิร์ฟเวอร์ของผู้ทำ (ยกเว้นตัวที่ไปเรียกบริการออนไลน์ต่อ)

ยังมีคนดูแลอยู่ไหม?

repo บน GitHub มีการแก้โค้ดล่าสุด – และส่งรุ่นล่าสุด (0.4.0) เข้า registry 7 เดือนที่ผ่านมา

ใช้กับโปรแกรมไหนได้บ้าง?

โปรแกรมที่รองรับ MCP เช่น Claude Desktop, Claude Code, Cursor และ VS Code ตัวนี้ต้องมี Node.js ในเครื่องด้วย

มีตัวไหนใช้แทนได้บ้าง?

ในหมวดเดียวกันมี Spec Driven Development, Remote Desktop Commander, FlyDocs

ตัวที่ใช้แทนได้

server หมวดเดียวกันจากผู้ทำคนอื่น เรียงตามดาว

อ่านการ์ด:★ ดาว GitHubiสามเสา: รีวิว · ผลตรวจ · การใช้งานiอัปเดต = วันที่ส่งรุ่นล่าสุดเข้า registryi

Spec Driven Development

โดย formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

รันบนเครื่อง★ 440MITอัปเดต 14 เดือนที่ผ่านมา

ติดตั้ง

Remote Desktop Commander

โดย desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

รันบนคลาวด์★ 211อัปเดต เมื่อวาน

ติดตั้ง

FlyDocs

โดย flydocs.ai

Spec-driven development workflow: your agent works issues, sessions and the status lifecycle.

รันบนเครื่องอัปเดต วันนี้

ติดตั้ง

README จากผู้ทำ

เปิดอ่าน README

ส่วนนี้คัดจาก repo ของผู้ทำตามต้นฉบับ PopNx MCP ไม่ได้ตรวจหรือรับรองเนื้อหา ตัด HTML รูปภาพ และสคริปต์ออกแล้ว ลิงก์จะพาออกนอกเว็บ

can-see

MCP server that lets AI agents see and interact with terminal/CLI applications through virtual terminals and PNG screenshots.

Built for Claude Code and any MCP-compatible agent.

Why?

Some things are easier to show than describe. When debugging a TUI app, an interactive CLI wizard, or anything with visual terminal output, can-see lets the agent see exactly what you see — colors, layout, cursor position, and all.

How it works

Launch a CLI app in a virtual terminal (node-pty + @xterm/headless)
Screenshot the terminal as a PNG image (rendered via node-canvas)
Send keys/text to interact with the app
Screenshot again to see the result
Close the session when done

Installation

npm install -g can-see

Prerequisites

can-see depends on node-canvas (Cairo) and node-pty, which require native compilation. Most systems will need:

Windows: Visual Studio Build Tools (C++ workload) — npm install --global windows-build-tools or install from Visual Studio Installer
macOS: Xcode Command Line Tools — xcode-select --install
Linux: sudo apt install build-essential libcairo2-dev libjpeg-dev libpango1.0-dev libgif-dev librsvg2-dev

Configuration

Claude Code

Add to your project's .mcp.json:

"mcpServers": { "can-see": { "command": "npx", "args": ["-y", "can-see"] } } }

Or if installed globally:

"mcpServers": { "can-see": { "command": "can-see" } } }

Other MCP clients

can-see uses stdio transport. Point your MCP client at the can-see binary or npx -y can-see.

Tools

Tool	Description
`launch`	Start a CLI app in a virtual terminal. Returns a `sessionId`. Accepts optional `env` to set environment variables.
`screenshot`	Capture the terminal as a PNG image.
`screenshot_region`	Capture a specific rectangular area of the terminal.
`screenshot_text_region`	Find text in the viewport and capture the surrounding area as a PNG.
`capture_baseline`	Snapshot terminal state for later diff comparison.
`diff_screenshot`	Compare current state against baseline with highlighted changes.
`get_cell_info`	Query character, colors, and attributes at specific cell(s). Supports `compact` mode for reduced output.
`read_text`	Read the terminal buffer as plain text.
`read_scrollback`	Read text that scrolled above the visible viewport.
`wait_for_text`	Wait until specific text appears in the terminal buffer.
`wait_for_idle`	Wait until terminal output has been stable for a given duration. Supports `stableMs` for content-comparison mode (for apps with timers/spinners), `excludeRows` to ignore specific rows, and `excludePattern` (regex) for dynamic row exclusion.
`wait_for_color`	Wait until a specific color appears at a position.
`wait_for_exit`	Wait until the process exits and return its exit code and signal.
`start_recording`	Begin capturing frames for an animated GIF.
`stop_recording`	Stop recording and return the animated GIF with metadata (`frameCount`, `durationMs`). Auto-trims frames or saves to file if GIF exceeds inline size limit.
`send_keys`	Send keystrokes (e.g., `Enter`, `Ctrl+C`, `['Down', 'Down', 'Enter']`).
`send_text`	Type a string of text into the app.
`get_process_status`	Get process status — distinguish "app is idle" from "app has exited". Returns PID, running state, exit code.
`list_sessions`	List all active terminal sessions.
`close`	Kill the app and clean up. Always close when done.
`close_all`	Kill all active sessions at once. Useful for cleanup between test runs.

Supported keys

Enter, Tab, Escape, Backspace, Space, Up, Down, Left, Right, Home, End, Delete, PageUp, PageDown, Ctrl+A through Ctrl+Z.

Environment variables

Variable	Default	Description
`DEFAULT_COLS`	`120`	Terminal width in columns
`DEFAULT_ROWS`	`30`	Terminal height in rows
`IDLE_TIMEOUT_MS`	`300000`	Auto-close idle sessions after this many ms (5 min)

Example usage

From an MCP-connected agent:

Agent: I'll launch your app to see what's happening.

→ launch("node", ["app.js"]) → sessionId: "abc-123"

Agent: Let me wait for the app to start. → wait_for_text("abc-123", "Ready") → Found "Ready" after 1200ms

Agent: Let me read the current output. → read_text("abc-123") → "Welcome to MyApp\nReady\n> "

Agent: I can see the prompt. Let me select option 2. → send_keys("abc-123", ["Down", "Enter"])

Agent: Waiting for the screen to settle. → wait_for_idle("abc-123") → Terminal idle for 520ms

Agent: Let me check the result. → screenshot("abc-123") → [PNG image showing result]

Agent: Done, closing the session. → close("abc-123")

Changelog

0.5.0

New tools:

wait_for_exit — wait for process exit, get exit code and signal
close_all — kill all active sessions at once
get_process_status — distinguish "app is idle" from "app has exited"
screenshot_text_region — find text in viewport, capture surrounding area as PNG

Enhancements:

launch accepts env parameter for custom environment variables
wait_for_idle supports excludePattern (regex) for dynamic row exclusion in stableMs mode
stop_recording returns frameCount and durationMs metadata alongside GIF
get_cell_info supports compact option for reduced output ({char, fg, bold} only)

Bug fixes:

Fixed wait_for_text and wait_for_color race condition where text/color present in the final buffer was missed when the process exited simultaneously
Added mutual exclusion validation when both stableMs and idleMs are passed to wait_for_idle

License

MIT

Can See

ภาพรวม

สามเสาของ PopNx MCP

ใช้ทำอะไรได้

ติดตั้ง

ก่อนติดตั้ง

ค่าที่ต้องใส่เอง

ทำอะไรได้บ้าง

ผลตรวจเบื้องต้นi

ตัวตนผู้ทำตรงกับ repo

ยังมีคนดูแล

มีสัญญาอนุญาต (license)

endpoint ตอบ

ล็อกอินแบบ OAuth

คำอธิบายเครื่องมือไม่มีคำสั่งแอบแฝง

เทียบกับตัวอื่นในหมวด อื่น ๆi

คำถามที่พบบ่อย

ตัวที่ใช้แทนได้

Spec Driven Development

Remote Desktop Commander

FlyDocs

README จากผู้ทำ

can-see

Why?

How it works

Installation

Prerequisites

Configuration

Claude Code

Other MCP clients

Tools

Supported keys

Environment variables

Example usage

Changelog

0.5.0

License