mcpField
V
vision-analysis

vision-analysis

github.com/minimax-ai创意与媒体13.7k2.7k 次安装28 周前更新
代码仓库

关于 vision-analysis

vision-analysis 是借助 MiniMax 图像理解工具分析图片的技能，适用于图像描述、文字提取、界面评审、图表分析和物体识别。它根据分析模式构造提示词，并要求配置 MiniMax MCP 与 Token Plan。

主要功能

  1. 01支持五种图像分析模式
  2. 02从截图或文档提取文字
  3. 03评审界面模型并给出改进建议
  4. 04提取图表数据与趋势
  5. 05根据环境提供 MCP 配置指引

适用场景

  1. 01描述图片内容与构图
  2. 02转录截图或文档中的文字
  3. 03检查界面模型的可用性问题
  4. 04汇总图表中的数据与趋势

MCP 相关

该技能调用 MiniMax MCP 提供的 `MiniMax_understand_image` 工具分析图片。使用前需配置 MiniMax MCP 和有效的 Token Plan API 密钥。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/minimax-ai/skills --skill vision-analysis

安装后在 Claude Code 中输入/vision-analysis确认已加载。

详细介绍

视觉分析

使用 MiniMax Token Plan 中提供的 MiniMax MiniMax_understand_image MCP 工具分析图像。

前提条件

  • 订阅 MiniMax Token Plan，并拥有有效的 MINIMAX_API_KEY
  • 已配置 MiniMax MCP（可使用 MiniMax_understand_image 工具）
如果未配置 MCP 工具

步骤 1： Agent 应从以下地址获取设置说明： https://platform.minimaxi.com/docs/token-plan/mcp-guide

步骤 2： 检测用户的环境（OpenCode、Cursor、Claude Code 等），并输出所需的准确命令。常见示例：

OpenCode — 添加到 ~/.config/opencode/opencode.json 或 package.json：

{
  "mcp": {
    "MiniMax": {
      "type": "local",
      "command": ["uvx", "minimax-coding-plan-mcp", "-y"],
      "environment": {
        "MINIMAX_API_KEY": "YOUR_TOKEN_PLAN_KEY",
        "MINIMAX_API_HOST": "https://api.minimaxi.com"
      },
      "enabled": true
    }
  }
}

Claude Code：

claude mcp add -s user MiniMax --env MINIMAX_API_KEY=your-key --env MINIMAX_API_HOST=https://api.minimaxi.com -- uvx minimax-coding-plan-mcp -y

Cursor — 添加到 MCP 设置中：

{
  "mcpServers": {
    "MiniMax": {
      "command": "uvx",
      "args": ["minimax-coding-plan-mcp"],
      "env": {
        "MINIMAX_API_KEY": "your-key",
        "MINIMAX_API_HOST": "https://api.minimaxi.com"
      }
    }
  }
}

步骤 3： 配置完成后，告知用户重启应用，并使用 /mcp 验证。

重要： 如果用户未订阅 MiniMax Token Plan，请告知他们，understand_image 工具需要此订阅，无法使用免费 API 密钥或其他等级的 API 密钥。

分析模式

模式适用场景提示词策略
describe通用图像理解要求提供详细描述
ocr从屏幕截图、文档中提取文本要求逐字提取所有文本
ui-reviewUI 模型图、线框图、设计文件要求进行设计评审并提供建议
chart-data图表、绘图、数据可视化要求提取数据点和趋势
object-detect识别物体、人物、活动要求列出并定位所有元素

工作流

步骤 1：自动检测图像

当消息包含带有以下扩展名的图像文件路径或 URL 时，此技能会自动触发： .jpg、.jpeg、.png、.gif、.webp、.bmp、.svg

从消息中提取图像路径。

步骤 2：选择分析模式并调用 MCP 工具

使用 MiniMax_understand_image 工具，并提供与模式对应的提示词：

describe：

Provide a detailed description of this image. Include: main subject, setting/background,
colors/style, any text visible, notable objects, and overall composition.

ocr：

Extract all text visible in this image verbatim. Preserve structure and formatting
(headers, lists, columns). If no text is found, say so.

ui-review：

You are a UI/UX design reviewer. Analyze this interface mockup or design. Provide:
(1) Strengths — what works well, (2) Issues — usability or design problems,
(3) Specific, actionable suggestions for improvement. Be constructive and detailed.

chart-data：

Extract all data from this chart or graph. List: chart title, axis labels, all
data points/series with values if readable, and a brief summary of the trend.

object-detect：

List all distinct objects, people, and activities you can identify. For each,
describe what it is and its approximate location in the image.
步骤 3：呈现结果

清晰地返回分析结果。对于 describe，使用易读的文字说明；对于 ocr，保留原有结构；对于 ui-review，使用结构化的评审格式。

输出格式示例

对于 describe 模式：

## Image Description

[Detailed description of the image contents...]

对于 ocr 模式：

## Extracted Text

[Preserved text structure from the image]

对于 ui-review 模式：

## UI Design Review

### Strengths
- ...

### Issues
- ...

### Suggestions
- ...

备注

  • 支持最大 20MB 的图像（JPEG、PNG、GIF、WebP）
  • 如果 MiniMax MCP 配置了文件访问权限，则可使用本地文件路径
  • MiniMax_understand_image 工具由 minimax-coding-plan-mcp 软件包提供

评论

支持 Markdown