Qwen-MM-Plugins: تحويل أي وكيل برمجي إلى وكيل متعدد الوسائط

وكلاء البرمجة الشائعة مبنية حول قراءة النصوص وكتابتها. حين تطلب من أحدها قراءة لقطة شاشة لواجهة، أو تلخيص فيديو تعليمي، أو تعديل نموذج ثلاثي الأبعاد، تصطدم بحدود النموذج نفسه أو تحتاج أدوات خارجية منفصلة. مشروع Qwen-MM-Plugins (رخصة Apache 2.0) يعالج هذا بإضافة قدرات وسائط متعددة لأي وكيل موجود أصلًا، لا ببناء وكيل جديد.

قدرة واحدة، ملفان

كل قدرة تُثبَّت بشكل منفصل وتتكون من مكوّنين: مهارة (skill) تخبر النموذج أن الأداة موجودة ومتى يستخدمها، وخادم MCP اختياري يوفّر الأدوات الفعلية. الفصل بين الاثنين يعني أن النموذج يعرف بالقدرة حتى لو لم يستدعِ الخادم بعد.

القدرات الست المتاحة

القراءة بدقة ديناميكية

كل صورة أو إطار فيديو أو صفحة مستند يُعاد ضبط دقته تلقائيًا وفق شبكة معالجة النموذج البصري. يعني هذا أن لقطة شاشة بدقة 4K وتفاصيلها الدقيقة، وصورة مصغّرة بحجم بسيط، تصلان كلتاهما بالتفاصيل التي تحتاجها دون تحجيم يدوي من المستخدم.

التثبيت بمثبّت موجَّه واحد

سكربت واحد يتولى التثبيت والإعداد والتحقق وإلغاء التثبيت عبر ستة أوساط دعم مختلفة دفعة واحدة: Claude Code وCodex وQoder وOpenClaw وQwen Code وGemini CLI. يشغّل كل وسط أداة تثبيته الخاصة دون إعادة اختراعها، ويكتب ملف إعداد مشترك واحد تقرأه الأوساط الرسومية والطرفية معًا.

التثبيت اليدوي لكل وسط

الأوساط التي تدعم سوق الإضافات (Claude Code وQoder وCodex وOpenClaw) تضيف السوق أولًا ثم تثبّت القدرة المطلوبة بأمرين. أما الأوساط الأخرى (Qwen Code وGemini CLI وopencode وpi وغيرها) فتسجّل المهارة والخادم يدويًا في إعداداتها الخاصة، أو ببساطة تطلب من الوكيل نفسه: «ثبّت qwen-mm-plugins-<القدرة>».

الاعتماديات محدودة ومعزولة

أداة uvx تثبّت اعتماديات بايثون الخاصة بالملف المختار عند أول تشغيل دون تدخل يدوي عبر pip. الأدوات التي يثبّتها المستخدم بنفسه هي أدوات نظام فقط: ffmpeg للفيديو والصوت، مع libreoffice وblender وtexlive وchromium اختياريًا حسب القدرات المستخدمة. أمر تحقق واحد يفحص كل ما هو مثبّت ويبلّغ عن الناقص.

مفتاحان فقط، واختياريان جزئيًا

القراءة الأساسية للصور والفيديو والمستندات لا تحتاج أي مفتاح API. المفاتيح مطلوبة فقط للأدوات المعتمدة على خدمات سحابية: DASHSCOPE_API_KEY لأدوات الدردشة البصرية وOCR وتحديد المواقع والتفريغ الصوتي والتوليد، وSERPER_API_KEY للبحث بالويب واستخراج الصور. تُخزَّن في متغيرات البيئة أو في ملف إعداد مشترك تقرأه كل الأوساط.

إعادة استخدام وكيل قائم

القيمة العملية هنا ليست في نموذج جديد، بل في إعادة استخدام وكيل موجود أصلًا بدل تبديله. من يعمل بالفعل مع Claude Code أو Codex أو Gemini CLI يضيف القدرة التي يحتاجها فقط (core للقراءة العامة، أو blender لمن يحتاج نمذجة ثلاثية) دون تغيير سير عمله الأساسي. والمشروع لا يزال حديثًا نسبيًا (19 نجمة وقت الكتابة)، فيستحق تجربته على مهمة محدودة أولًا قبل الاعتماد عليه في سير عمل إنتاجي.