Команда Qwen представила Qwen-MM-Plugins — коллекцию открытых плагинов, предназначенных для взаимодействия ИИ-агентов с изображениями, видео и документами.
Репозиторий совместим с Claude Code, Codex, Qoder, OpenClaw, Qwen Code и Gemini CLI. Исходный код доступен под лицензией Apache-2.0. Подробности можно найти в статье Postium.
Также читайте: Как загрузить и установить Codex
Возможности Qwen-MM-Plugins
Основной пакет core способен обрабатывать изображения, видео, документы и 3D-модели; он включает в себя OCR, обнаружение объектов на изображениях, сегментацию, расшифровку аудиофайлов и инструменты для веб-поиска.
Дополнительные пакеты предоставляют возможность хранения данных для длинных видео, генерации и редактирования медиа, а также интеграции с Blender и FreeCAD. В репозитории содержится шесть пакетов: core, video-memory, video-edit, blender, freecad и edu-agent. Последний используется для создания пошаговых обучающих материалов по математике и естественным наукам и функционирует как отдельный skill без MCP-сервера.
Плагины функционируют в уже используемой агентной среде. Каждый пакет интегрируется как skill и, если необходимо, с MCP-сервером, предоставляющим дополнительные инструменты.
Инструкция по загрузке и установке Qwen-MM-Plugins
Перейдите в репозиторий Qwen-MM-Plugins на GitHub и выберите нужный пакет. Для Claude Code, Codex, Qoder, OpenClaw, Qwen Code и Gemini CLI предусмотрен общий установщик install.sh. В ряде сред плагины также могут быть установлены вручную через встроенный механизм расширений или MCP.
После завершения установки выполните проверку зависимостей. Для базового чтения изображений, видео и документов API-ключ не требуется, однако некоторые функции — такие как OCR, распознавание речи, генерация, веб-поиск и другие — требуют внешних API. Для работы с видео и аудио также необходим ffmpeg. Затем вы можете прикрепить файл к запросу в агенте и, например, попросить извлечь текст с изображения, проанализировать видео или обработать документ.
Что это изменяет? В одном репозитории собраны инструменты для OCR, видео, генерации медиа и 3D-задач, которые могут быть подключены к нескольким агентным средам. Поддержку конкретных моделей, реализацию отдельных функций и внешних API следует проверять в реальных проектах.
Итог: мультимодальные возможности Qwen-MM-Plugins интегрируются в уже используемого агента через отдельные пакеты, не заменяя саму агентную среду.
