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

```text
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

```text
/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](sesiones). Nombrar una sesión `visual` no cambia las capacidades de su modelo.