O que glm-vision-mcp faz?
Habilidade Codex: MCP de visão GLM-4.6V-Flash (compreensão de imagens, vídeos e arquivos)
Habilidade Codex: MCP de visão GLM-4.6V-Flash (compreensão de imagens, vídeos e arquivos).
Esta habilidade permite que agentes de IA (como aqueles compatíveis com o protocolo MCP, como o Codex) utilizem o modelo de visão GLM-4.6V-Flash para compreender imagens, vídeos e arquivos diretamente. Com ela, o agente pode analisar o conteúdo visual de imagens, extrair informações de gráficos e tabelas, resumir o conteúdo de vídeos e processar arquivos como PDFs. É útil para desenvolvedores que desejam adicionar capacidades de interpretação multimodal a seus workflows de automação ou ferramentas de IA. A habilidade funciona definindo um servidor MCP que expõe ferramentas para o agente, que então envia requisições ao modelo GLM-4.6V-Flash para obter respostas descritivas e analíticas.
npx skills add mubai13232/glm-vision-mcpHabilidade Codex: MCP de visão GLM-4.6V-Flash (compreensão de imagens, vídeos e arquivos)
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.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.