别重做Agent了， 挂个插件就能多 模态
搞 Agent 的兄弟，先停一下。
我们以前聊多模态，聊的全是模型——这个模型能不能看图，那个模型能不能听音频。
现在有个事，把这事儿的底层逻辑改了。
Qwen 出了个 MM-Plugins。注意，它不是一个新 Agent。
它是一个插件。装到现有的 Agent Harness 上，Codex、Claude Code、OpenClaw、Qwen Code 都能用。
装完之后，你那个本来只会读代码、跑命令的 Agent，突然就会看图片、看视频、读 PDF、做 OCR，甚至能直接操作 Blender 和 FreeCAD。
-
我愣了一下，因为这事说明白了一件事：
多模态，从来不是模型必须自带的能力。
它是 Agent 需要的时候，动态挂上去的能力。
以前我们问"模型能不能看图"。
以后该问的是"我的 Agent 现在缺哪种模态，挂一个就行"。
-
这跟之前聊的两件事能接上。
8月2号聊过 YC 开源的 QM——结论是 Agent 的核心不是模型，是 Harness，那个干活的壳子。
8月8号聊过 Agent Plugins——能力像 npm 包一样分发：Skill 教方法，MCP 接工具，Plugin 把俩打包带走，跨客户端通用。
MM-Plugins 就是这套思路第一个"看得见的果实"：
Harness 负责干活，Skill 负责告诉模型啥时候该用哪种能力，MCP 负责把真正的工具——看图、OCR、Blender——接进来。
你要多模态？不用换模型，不用重做 Agent。挂个插件，Agent 自己长本事。
-
最让我意外的是最后那块——它能操作 Blender 和 FreeCAD。
这说明"模态"不光是输入，让 Agent 看、让 Agent 听。
它还能是输出和动作，让 Agent 亲手建模。
Agent 的"手"也能插进去。这比单纯"模型能看图"狠多了。
-
那你现在能拿走啥？
如果你是写 Agent 的——别再纠结"我的模型多模态够不够"。先想清楚你的 Harness 怎么设计 Skill 和 MCP，能力以后都是插件市场里现成的。
如果你想给 Agent 接多模态——不用等某个全能模型。看看 MM-Plugins 这类东西，挂上去，今天就能用。

Agent 多模态 Qwen MCP AI工具 AgentHarness