qwenlm/qwen-mm-plugins

⚡️ Qwen выпустил мультимодальный tool layer для AI-агентов Идея в том, чтобы мультимодальные возможности подключались к агенту как набор инструментов , а не были жёстко зашиты в конкретную модель. Агент, запущенный внутри Claude Code, Codex, Qwen Code, Gemini CLI или другого harness, может сам обнаружить нужный capability, вызвать его и встроить результат в более длинный workflow. GitHub-репозиторий при этом устроен как коллекция отдельных plugins/capabilities. Например, базовый плагин даёт агенту инструменты вроде: - read_image - read_video - visualize - OCR - object grounding - segmentation - speech transcription - cropping То есть вместо схемы: агент → одна мультимодальная модель получается: агент → набор специализированных multimodal tools → цепочка действий Например, агент может: 1. прочитать изображение; 2. найти нужный объект; 3. вырезать конкретную область; 4. прогнать OCR; 5. сопоставить результат с видео; 6. транскрибировать аудио; 7. собрать всё в единый ответ. https://github.com/QwenLM/Qwen-MM-Plugins #AI #Qwen #Agents #Multimodal #ClaudeCode #Codex