vision-tool は何をしますか？
画像・動画分析機能をAIコーディングアシスタントに提供します。ネイティブの視覚機能を持たないモデルでも利用可能です。CLI、MCP、またはopencodeスキルとして動作します。12のビジョンバックエンド（Gemini、GPT-4o、Claude等）をサポートし、ハードコードされたシークレットはありません。
対応環境
- CLI: 任意のターミナルから直接実行可能
- MCP: MCP対応のAIアシスタント（Claude Code等）と統合可能
- opencode: opencodeスキルとして動作
インストール
# CLIとして使用
npm install -g farhanic017/vision-tool
# MCPサーバーとして使用
npx farhanic017/vision-tool mcp
設定
環境変数でAPIキーを設定します。ハードコードされたシークレットはありません。
export VISION_TOOL_GEMINI_API_KEY=your_gemini_api_key
export VISION_TOOL_OPENAI_API_KEY=your_openai_api_key
export VISION_TOOL_ANTHROPIC_API_KEY=your_anthropic_api_key
対応バックエンド
- Gemini
- GPT-4o
- Claude
- その他9つのビジョンバックエンド
使用方法
CLI
vision-tool analyze image.jpg
vision-tool analyze video.mp4 --frames 10
MCP
MCP設定ファイルでスキルを追加：
{
"mcpServers": {
"vision-tool": {
"command": "npx",
"args": ["farhanic017/vision-tool", "mcp"],
"env": {
"VISION_TOOL_GEMINI_API_KEY": "..."
}
}
}
}
opencodeスキル
skills:
- name: vision-tool
source: farhanic017/vision-tool
機能
- 画像の内容分析
- 動画のフレーム抽出と分析
- 複数画像の同時処理
- バックエンドの動的切り替え
- カスタムプロンプト対応
注意事項
- 各バックエンドのAPI利用条件に従ってください
- 大量の処理にはレート制限がかかる場合があります