Anionex/agent-vision-toolkit：给纯文本Agent装上眼睛的视觉工具包

agent-vision-toolkit的核心理念是Agent的视觉能力不必内置于模型，也可以放在harness层：为纯文本编码代理提供图像问答、长截图OCR、前端UI还原与GUI自动化四类能力，以视觉工具包加Skill形式交付，遵循Agent Skills标准。可选drop-in集成覆盖Codex、Claude Code、Pi、Oh My Pi、OpenCode等主流代理；项目以Python实现、MIT协议开源。文本模型借此可读懂界面截图并操作GUI，而无需更换底层模型。