Trabajar con imágenes y video

Una captura, el DOM y una interpretación visual aportan evidencia distinta. Comal puede conservar medios y enviarlos a un proveedor con un transporte adecuado.

Analizar una imagen del workspace

Analiza screenshot.jpg de este workspace. Describe lo que aparece, separa texto legible de inferencias y señala cualquier detalle que no puedas confirmar.

AnalyzeMedia lee y analiza directamente. No hace falta pedir antes Bash ls, file o Read. FileInfo sirve para consultar tamaño/formato cuando resulte útil; Read es sólo texto UTF-8.

Confirmar soporte

/capabilities
/capabilities refresh

La configuración vision:true es un opt-in explícito; un detector puede aportar metadatos del servidor. Desconocido no significa verificado. Un ID que contenga el nombre de una familia multimodal no sustituye ese contrato.

Capturas de MCP

browser.capture publica la captura de Chrome MCP. Cuando hay un adaptador visual capaz, Comal puede resolver referencias e incluir píxeles en la petición; si no hay soporte o presupuesto, conserva la referencia y declara esa limitación.

Ver el nombre de un PNG en un recibo no significa que el modelo haya visto sus píxeles. Para verificar comportamiento web, combina el medio con DOM/consola/red según el criterio.

Video

AnalyzeMedia admite video sólo con capacidad y transporte nativo implementados; actualmente se ofrece mediante Gemini habilitado. Los adaptadores OpenAI Chat/Anthropic de Comal no envían video por ser compatibles con texto o imágenes. Los límites de medio y de contexto siguen aplicando.

Pedir otra mirada

Abre una instancia con un perfil visual, por ejemplo el perfil vision del archivo de ejemplo y su variable de clave configurada. Luego usa mensajería entre sesiones. Nombrar una sesión visual no cambia las capacidades de su modelo.