Buscar matérias, modelos, ferramentas…
Open Source

Plugins multimodais para agentes Qwen chegam ao topo do Trendshift

Projeto em Python conecta agentes a visão, áudio, vídeo, busca na web, edição e ferramentas 3D por meio de skills e servidores MCP.

Redação NovidadesIA 5 min de leitura

O Qwen-MM-Plugins é um repositório da organização QwenLM que reúne plugins multimodais nativos para modelos Qwen. Criado em 29 de julho de 2026, o projeto ganhou atenção rapidamente: aparece em quarto lugar no ranking diário e em primeiro no semanal do Trendshift, na consulta de 11 de agosto. A proposta é resolver a dificuldade de transformar agentes baseados em texto em sistemas capazes de interpretar e manipular imagens, vídeos, documentos, áudio e ambientes 3D.

Dados rápidos

  • Repositório: QwenLM/Qwen-MM-Plugins
  • Licença: Apache-2.0
  • Linguagem: Python
  • Estrelas e forks: 1.837 estrelas, 1.578 no período e 88 forks
  • Ranking: Trendshift diário #4 e semanal #1
  • Consulta: 11 de agosto de 2026

Um conjunto de capacidades para agentes

O projeto organiza cada capacidade como uma skill, componente que informa ao modelo quais ferramentas estão disponíveis, acompanhada opcionalmente por um servidor MCP, padrão usado para conectar modelos a ferramentas externas. A instalação é separada por função, permitindo escolher apenas os recursos necessários.

O pacote core funciona como base para leitura local de imagens e vídeos em resolução dinâmica e visualização de arquivos, incluindo documentos e modelos 3D. Também oferece operações como recorte, anotação de imagens e extração de quadros de vídeo.

Há módulos para APIs de compreensão de mídia, busca na web e busca reversa de imagens, memória hierárquica para vídeos longos, edição e geração de vídeo, controle de Blender e FreeCAD e produção de vídeos educacionais. O README informa que o suporte de APIs atualmente utiliza DashScope, enquanto a busca usa Serper.

Como funciona e como instalar

O instalador recomendado reúne instalação, configuração, verificação e desinstalação. Ele atende Claude Code, Codex, Qoder, OpenClaw, Qwen Code e Gemini CLI, criando um arquivo de configuração compartilhado em ~/.qwen-mm-plugins/config.

curl -fsSL https://raw.githubusercontent.com/QwenLM/Qwen-MM-Plugins/main/install.sh | bash

O projeto usa uvx para instalar as dependências Python do perfil escolhido no primeiro uso, sem exigir instalação manual por pip. Também é possível executar ações individuais com bash install.sh install, configure, verify ou uninstall.

A instalação manual depende do agente. Em ferramentas com marketplace, o usuário adiciona o repositório e instala uma capacidade, como qwen-mm-plugins-core ou qwen-mm-plugins-video-edit. O README recomenda instalar o core como base e acrescentar os módulos específicos.

No Windows, o ambiente validado é o WSL2, com Ubuntu recomendado. O README orienta manter o repositório dentro do diretório pessoal do WSL, e informa que o Windows nativo ainda não foi validado.

Casos de uso previstos

  • Análise de imagens e vídeos: o agente pode ler arquivos locais, extrair quadros, recortar imagens e visualizar diferentes formatos.
  • Pesquisa com verificação visual: o módulo search combina busca na web, extração de páginas e busca reversa de imagens para conferir informações.
  • Compreensão de mídia: o módulo api reúne visão computacional, OCR, localização de elementos, transcrição de áudio, identificação de múltiplos falantes e análise temporal.
  • Criação e edição audiovisual: video-edit cobre fluxos de edição e geração de imagens, vídeos e áudios.
  • Modelagem e engenharia: os módulos blender e freecad controlam programas em execução para modelagem, materiais, iluminação, renderização, edição de propriedades e exportação de arquivos STEP e STL.
  • Educação: edu-agent transforma problemas de matemática ou ciência, ou uma imagem, em vídeos explicativos passo a passo ou páginas interativas em chinês. Essa capacidade é somente uma skill e não possui servidor MCP.

O que diferencia a abordagem

A principal característica verificável é a combinação de skills e servidores MCP opcionais em um mesmo repositório. Em vez de oferecer apenas uma ferramenta multimodal isolada, o projeto distribui capacidades por pacotes instaláveis separadamente e fornece instruções específicas para diferentes ambientes de agentes.

O instalador também usa os mecanismos nativos de cada harness compatível, segundo o README, em vez de criar um sistema paralelo de integração. A configuração compartilhada permite que interfaces gráficas e terminais leiam os mesmos parâmetros, enquanto usuários de outras ferramentas podem registrar skill e MCP manualmente.

Maturidade, segurança e pontos de atenção

O repositório é recente: foi criado em 29 de julho de 2026 e recebeu seu último commit em 11 de agosto. Tem cinco issues abertas, 88 forks e nenhuma release encontrada. Esses dados indicam atividade inicial, mas não permitem concluir estabilidade, cobertura de testes ou maturidade de produção; essas informações não estão disponíveis no repositório consultado.

A instalação sugerida executa um script remoto com curl e bash, o que exige verificar o conteúdo e o ambiente antes da execução. Alguns recursos dependem de serviços externos, como DashScope e Serper, e Blender ou FreeCAD precisam estar em execução para os respectivos plugins.

A licença informada é Apache-2.0. Número de contribuidores, política detalhada de segurança, requisitos completos de hardware, custos de APIs e disponibilidade de suporte comercial não foram informados no repositório.

Resumo rápido

  • Projeto: conjunto de plugins multimodais para agentes Qwen
  • Licença: Apache-2.0
  • Linguagem: Python
  • Estrelas: 1.837
  • Ranking: Trendshift diário #4 e semanal #1
  • Risco principal: projeto recente, sem release publicada e com dependências externas

Fontes

Fontes

PythonApache-2.0Open SourceTrendshift
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.

Leia também