千问开源 Qwen-MM-Plugins：MCP 注入多模态能力

[开源推荐] Qwen-MM-Plugins

千问团队开源的「原生多模态插件集」，把"读图 / 读视频 / 读文档 / 听音 / 建模"等视觉与多模态能力，以 MCP 形式注入任意 Agent harness，让纯文本 Agent 一键升级为多模态原生 Agent https://github.com/QwenLM/Qwen-MM-Plugins

项目核心理念：Skill + MCP 的双层解耦

一个能力 = 一个 Skill + 一个可选 MCP server · Skill：写给模型看的 SKILL.md，告诉模型"存在这套工具、何时该用"，本质是模型侧的提示词资产。 · MCP server：工具本体，由 uvx 在首次调用时按需拉起，进程隔离、依赖隔离。

七大能力模块

1. core - 视觉基础 动态分辨率读取（图/视频/文档/3D）、OCR、grounding、SAM3 分割、ASR、视觉对话、Serper 联网搜索

2. video-memory - 长视频记忆 层次化图记忆 + 语义检索，支撑 2 小时级超长视频问答，首次提问自动构建 memory 3. omni-av - 音视频原生理解 基于 Qwen-Omni，带时间戳/说话人标签的 ASR、时序定位、事件计数、音乐标签

4. video-edit - 生成与剪辑 图/视频/音频生成 + 剪辑工作流

5. blender - 3D 建模瘦客户端 22 个工具驱动正在运行的 Blender（Python thin client），建模/材质/灯光/渲染

6. freecad - 参数化 CAD 瘦客户端 14 个工具驱动 FreeCAD，含 STEP/STL 导入导出与 FEM 分析

7. edu-agent - 讲题视频生成 纯 Skill，把数学/理科题转成中文逐步讲解视频（基于 HyperFrames）