DeepExperience/MMSkills

MMSkills とは？

MMSkillsは、汎用的なビジュアルエージェント（AIビジョンモデルやロボットなど）向けに設計された、マルチモーダル（視覚＋言語）スキルのコレクションです。このリポジトリは、画像認識、シーン理解、オブジェクト操作など、視覚に関連する多様なタスクを実行するためのモジュール化されたスキルを提供します。各スキルは、エージェントが現実世界の視覚情報を理解し、それに基づいて行動するための基本的な構成要素として機能します。Claude CodeやCodexなどのAIエージェントプラットフォームと統合可能で、開発者はこれらのスキルを組み合わせることで複雑な視覚タスクを効率的に解決できます。MMSkillsの主な利点は、個々のスキルが独立して動作するため、エージェントの能力を段階的に拡張できる点にあります。