Qwen-MM-Plugins — 多模态原生 Agent 插件集
概述
通义千问团队官方开源的 MCP 插件集合，让任何文本 Agent 获得多模态原生能力。标语：Make any agent harness multimodal-native。
核心定位：它不是大模型，而是给纯文本 Agent 增加看图、OCR、PDF 解析、音视频处理、3D 建模能力的插件层。
架构设计
每个能力拆分为两部分：
- skill：给模型看的工具说明书
- MCP-Server：实际执行程序
按需安装，无需全部加载。
支持的 Agent 运行器
Claude Code / Codex / Qoder / OpenClaw / Qwen-Code / Gemini-CLI
快速安装
# 安装（自动处理安装、配置、校验）
bash install.sh install
# 校验环境
bash install.sh verify
# 卸载
bash install.sh uninstall
插件安装示例（Codex）
codex plugin marketplace add https://github.com/QwenLM/Qwen-MM-Plugins.git
codex plugin add qwen-mm-plugins-core@qwen-mm-plugins
关键要点
- MCP 插件集合，非模型——给文本 Agent 增加多模态能力
- skill + MCP-Server 分离，按需安装
- 配置统一存放
~/.qwen-mm-plugins/config，终端/GUI 共用 - 部分视觉/OCR 功能需配置
DASHSCOPE_API_KEY（阿里云灵犀 API key）
目录结构
| 目录 | 内容 |
|---|---|
cookbooks/ |
示例案例，每个插件的完整使用样例 |
plugins/core |
核心 MCP 服务插件 |
plugins/omni-av |
音视频处理 |
plugins/video-memory |
视频记忆 |
plugins/blender |
Blender 3D 建模 |
plugins/freecad |
FreeCAD 参数化建模 |
来源
- GitHub: https://github.com/QwenLM/Qwen-MM-Plugins
- 许可证: Apache-2.0
- 团队: 通义千问官方
