mcpField
C
configuring-vision

configuring-vision

github.com/oxbshwエージェントワークフロー533521 回インストール7 週間前に更新
リポジトリ

configuring-vision について

エージェントのインターフェースとは別に、Watch Skill のビジョンプロバイダーを選択・設定するガイドです。対応エージェントや REST クライアントを使うユーザー向けに、モデルの段階的な振り分けとビジョン API なしでの利用方法を説明します。

主な機能

  1. 01Anthropic、OpenAI、Gemini、OpenRouter、Ollama の設定
  2. 02一括処理と検証で別モデルを使用
  3. 03--verify によるプロバイダー接続確認
  4. 04API キーをチャットに出さない運用
  5. 05ビジョン API なしで字幕、ローカル文字起こし、OCR を利用

活用シーン

  1. 01動画解析用のビジョンプロバイダー設定
  2. 02シーン説明と検証に別モデルを使用
  3. 03ビジョン API なしで根拠を検索

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/oxbshw/watch-skill --skill configuring-vision

インストール後、Claude Code で/configuring-visionを入力して読み込まれたか確認します。

詳細

ビジョンの設定

Watch Skill のエージェントインターフェースとモデルバックエンドは、それぞれ別に選択します。Claude Code、 Codex、Cursor、OpenClaw、フレームワークエージェント、REST クライアントはすべて同じエンジンを呼び出します。 エンジンは、選択したフレームをサポートされている任意のビジョンプロバイダーに送信できます。

サポートされているプロバイダー

watch-skill setup-vision --provider anthropic --api-key <KEY>
watch-skill setup-vision --provider openai --api-key <KEY>
watch-skill setup-vision --provider gemini --api-key <KEY>
watch-skill setup-vision --provider openrouter --api-key <KEY>
watch-skill setup-vision --provider ollama

ユーザーがすでに持っているキーを優先してください。Ollama が必須だと説明したり、チャットで秘密情報を開示するよう求めたりしないでください。一致する環境変数を設定するか、ターミナルでコマンドを実行するよう案内してください。

大量処理と検証を別々に振り分ける

1 つのモデルで両方の階層に対応できます。

watch-skill setup-vision --provider openai --api-key <KEY> --model <vision-model>

あるいは、シーンの説明には低コストのモデルを使い、不確かな回答やループの批評にはより強力なモデルを使います。

watch-skill setup-vision --provider openrouter --api-key <KEY> \
  --cheap-model <fast-vision-model> --strong-model <strong-vision-model>

--verify を追加すると、ライブプローブを 1 回実行します。失敗した場合は、構造化エラーとその fix を報告し、キーは決して表示しないでください。

プロバイダーを設定しない選択肢もあります

ビジョン API がなくても、Watch Skill は引き続き動画を取得し、字幕を読み取り、ローカルで文字起こしと OCR を実行し、エビデンスをインデックス化して検索できます。ビジュアル統合の代わりに、推測せず、タイムスタンプ付きのエビデンスを提示します。

コメント

Markdown 対応