¿Qué hace external-multimodal-skill (Habilidad Multimodal…?
Habilidad de Codex para proveedores multimodales externos: análisis de imágenes y videos, además de generación y edición de imágenes.
Descripción
Esta habilidad permite que los agentes de Claude Code, Cursor, Codex u otros agentes similares utilicen proveedores multimodales externos para analizar imágenes y videos, así como generar y editar imágenes. Los comandos disponibles incluyen:
- Análisis de imagen: Describe el contenido de una imagen.
- Análisis de video: Extrae descripciones de marcos de video.
- Generar imagen: Crea imágenes a partir de descripciones textuales.
- Editar imagen: Modifica imágenes existentes usando instrucciones.
Proveedores Soportados
- OpenAI (GPT-4o, DALL-E 3)
- Anthropic (Claude 3 Opus)
- Google (Gemini 1.5 Pro)
Requisitos
- API key del proveedor configurada en variables de entorno (por ejemplo,
OPENAI_API_KEY,ANTHROPIC_API_KEY,GOOGLE_API_KEY). - Conexión a internet para llamadas a API.
Uso
Análisis de imagen
Analiza esta imagen: ruta/a/imagen.png
Análisis de video
Analiza este video: ruta/a/video.mp4
Generar imagen
Genera una imagen de un paisaje montañoso al atardecer
Editar imagen
Edita esta imagen para que tenga un filtro vintage: ruta/a/imagen.jpg
Variables de Entorno
OPENAI_API_KEY: Clave API de OpenAI.ANTHROPIC_API_KEY: Clave API de Anthropic.GOOGLE_API_KEY: Clave API de Google.
Notas
- La habilidad maneja formatos comunes: PNG, JPEG, GIF, WEBP, MP4.
- Los archivos se procesan localmente antes de enviarse a la API.
- Consulta la documentación de cada proveedor para límites de tamaño de archivo.