O que vision-tool faz?
Image & video analysis for AI coding assistants without native vision. Works with any model - CLI, MCP, or opencode skill. 12 vision backends (Gemini, GPT-4o, Claude, etc.). Zero hardcoded secrets.
Ferramenta de análise de imagem e vídeo para assistentes de codificação AI que não possuem visão nativa. Funciona com qualquer modelo, seja como CLI, MCP ou skill opencode.
O farhanic017/vision-tool é uma habilidade versátil que permite que assistentes de codificação AI (como Claude Code, Cursor, Codex, etc.) realizem análise de imagens e vídeos, mesmo sem suporte nativo a visão. Ele funciona com qualquer modelo e pode ser utilizado via interface de linha de comando (CLI), protocolo MCP (Model Context Protocol) ou como skill do opencode. A ferramenta oferece suporte a 12 backends de visão, incluindo Gemini, GPT-4o, Claude e outros, garantindo ampla compatibilidade. Um dos principais diferenciais é a segurança: nenhum segredo (API keys, tokens) é codificado diretamente no arquivo, utilizando variáveis de ambiente ou métodos seguros de configuração. Isso torna a habilidade ideal para equipes que precisam de análise visual em seus fluxos de desenvolvimento de software sem comprometer a segurança ou a flexibilidade de escolha do modelo AI subjacente.
npx skills add farhanic017/vision-toolImage & video analysis for AI coding assistants without native vision. Works with any model - CLI, MCP, or opencode skill. 12 vision backends (Gemini, GPT-4o, Claude, etc.). Zero hardcoded secrets.
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
Use when implementation is complete, all tests pass, and you need to decide how to integrate the work
Use when you have a spec or requirements for a multi-step task, before touching code