正在打开每日关注
正在打开每日关注
通过 Skill 与可选 MCP 插件，让多种 Agent harness 获得图像、视频、文档及 3D/CAD 处理能力。
👀 Seeing is just the beginning. With Qwen-MM-Plugins, turn your favorite agent harness multimodal-native — read images, videos & documents, edit videos, work with 3D/CAD, and more. From multimodal models → multimodal agents. 🚀 Watch it in action: https://t.co/C2jQObXryM https://t.co/X6xQ3Hl4ln
是什么
Qwen-MM-Plugins 是 QwenLM 仓库中的 Apache-2.0 插件集合，目标是让 Agent harness 原生处理图像、视频、文档及 3D/CAD。README 列出 core、api、search、video-memory、video-edit、blender、freecad、edu-agent 等能力。
核心设计
每项能力由 Skill 加可选 MCP server 组成，使用统一安装名；共享配置位于 ~/.qwen-mm-plugins/config，能力以独立 immutable tags 发布，支持按需更新和回滚。引导安装覆盖 Claude Code、Codex、Qoder、OpenClaw、Qwen Code、Gemini CLI，其他 harness 提供手册接入。
关键洞察
它把“模型能看”推进为“Agent 能调用工具完成多模态任务”，亮点是能力拆分、跨 harness 接入和依赖透明。
边界与风险
本质上它是 Agent 基础设施，不是视觉或交互设计方案。README 未给出兼容性指标、权限隔离或质量基准；视频、搜索、Blender、FreeCAD 等能力还依赖 DashScope、ffmpeg、搜索密钥或桌面环境，部署成本需单独评估。