vision-mcplisted

# Skill：Vision-MCP 操作手册 桌面 GUI 操作的**性能 / 长期成本优化层**——agent 看一次图、点对一次的成本沉淀进 vision-mcp.yaml map，下次同任务直接 `run_workflow` 命中，跳过视觉判断。第一次成本与 Computer Use 相当；第二次起每次都摊销。 ## 0. Precondition（开干之前先检查） **任何 agent（包括 subagent）开始任务前，必须先调 `vision_map.list_apps`** 验证 vision-mcp 工具在当前上下文可用。 - ✅ 返回 `{ apps: [...] }`（数组可能为空）→ 工具可用，继续按本文档操作 - ❌ 抛错 "tool not found" / "method not found" / "tool is disabled" → 工具**不可用** **工具不可用时**：立即停手，向上游汇报： > "vision-mcp MCP 工具在当前 agent 上下文中不可见，无法完成本任务。可能原因：(1) plugin 未正确启用 — 让用户跑 `/mcp` 看 vision-mcp 是否 Connected；(2) 当前 agent 类型不继承 plugin MCP 工具。请用户改在主对话执行，或检查 host 的 subagent MCP inheritance 配置。" **不要尝试用 osascript / AppleScript / 浏览器 / 直接键盘模拟等绕路方式完成任务**——会偏离本 skill 的设计预期，且 destructive 操作绕过 vision-mcp 的 risk_level + approval 安全网。 ## 1. 核心原则 1. **文本观察优先，看图兜底**：一张整窗截图 ≈ 1k+ token 且**常驻上下文反复计费**；`snapshot(include_image=false)` 的 AX candidates + OCR token（文本+bbox）多数时候足以定位与确认，成本不到图的 1/10。真要看图：`region_norm` 只截要看的局部、确认类对比用 `capture(only_if_changed=true)`（内容没变不产新图）。动作工具自带 `content_changed` + 落点元素反馈——**动作后不要习惯性截图确认**。详见 [`references/token-economy.md`](references/token-economy.md)。 2. **路径上沉淀 map**：用过的路径要 `commit_state` / `patch` 固化进 map，下次直接 `run_workflow` 命中。每次视觉成本都摊销到永久 map 资产上。**建 map 时按 [`references/map-design.md`](references/map-design.md) 的 13 项 checklist 走**——不只是 anchors+controls，还有 regions / kbd / collection / postcondition / risk_level / parent_state_id 等组合，漏一个 map 复用价值就少一截。 3. **稳定窗口 + 归一化坐标**：目标窗口被迁到主屏 display 工作区中心，**完整可见**；所有动作用客户区归一化坐标。**不创建虚拟显示器**（mac