O que MMSkills faz?
MMSkills: Rumo a Habilidades Multimodais para Agentes Visuais Gerais
MMSkills: Rumo a Habilidades Multimodais para Agentes Visuais Gerais
O MMSkills é um conjunto de habilidades multimodais projetado para capacitar agentes visuais gerais a executar tarefas complexas envolvendo visão e linguagem. Este skill fornece uma estrutura para integrar processamento de imagem e texto, permitindo que agentes de IA (como Claude Code, Cursor ou Codex) entendam e interajam com conteúdo visual de forma mais natural. A principal utilidade reside na capacidade de interpretar cenas visuais, responder perguntas sobre imagens e gerar descrições detalhadas, tudo isso integrado em pipelines de desenvolvimento. Compatível com múltiplas plataformas de agentes, o MMSkills usa uma arquitetura modular que facilita a extensão para novos tipos de mídia. Baseado em documentação SKILL.md robusta, ele oferece comandos e funções pré-definidos que simplificam a implementação de funcionalidades multimodais em fluxos de trabalho de engenharia de software e automação.
npx skills add DeepExperience/MMSkillsMMSkills: Rumo a Habilidades Multimodais para Agentes Visuais Gerais
ElevenLabs text-to-speech with mac-style say UX.
Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.
Capture and automate macOS UI with the Peekaboo CLI.
Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".
Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.
Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".