用途：qwen-mm-plugins-core 提供本地文件检查与可视化能力，适合智能体在需要查看文件内容时调用，官方建议优先使用这些 MCP 工具而非手动写脚本。
主要能力：读取与检查方面，media_info 用于查看视频/音频元数据（时长、分辨率、fps、编解码器、码率、音视频与字幕轨、旋转、章节）；visualize 查看 PDF、Office、CSV、代码、笔记本、3D 等文件；read_image 以动态分辨率读图；read_video 抽帧读视频；save_view 可保存视频指定帧（times=[...]）或文档页为图片（pages="..."）。生成与标注方面，crop 从图像裁剪矩形区域，draw_bbox 在图像上画边界框。坐标使用 0–1000，基于显示图像，read_image、crop、draw_bbox 会应用 EXIF 方向。
工作模式：默认原生模式下，工具返回文本和图像供智能体查看，不发起模型 API 调用；设置 QWEN_MM_NATIVE_MODE=0 时，共享字幕回退会把图像结果发送到配置的 VL 端点并返回文本说明。
支持格式：文档 .pdf、.svg 内置支持；Office .docx、.pptx、.vsdx 需 libreoffice；数据 .csv、.xlsx 返回文本表格与图表；代码、纯文本、字幕 .srt/.vtt 返回文本；网页需 playwright；.drawio 渲染为 SVG；3D 模型内置支持，blender 效果最佳；NIfTI .nii/.nii.gz 本地只读，返回 3 个中心切片，4D 用 pages 选择卷（默认 1），不做重采样，仅用于检查、不用于临床诊断；GIS 格式内置支持；.ipynb 返回文本单元与内嵌图像；.tex 编译为 PDF，失败回退源码；图片/视频委托给 read_image/read_video。未知扩展名返回不支持类型错误。
使用建议：处理视频/音频前先用 media_info 读头部，快速识别 VFR、旋转、fps/分辨率/DAR 不一致、音频采样率与声道差异、无音轨或异常起始时间等问题。分辨率用 budget 控制（small 预览、normal 约 1024 默认、large 细节）。视频可先用 fps=1、budget="normal" 分段浏览，再对片段用 fps=2、budget="large"，用 start_time/end_time 限定时间窗。
与其他能力的关系：核心只负责读取、渲染和基础图像操作；需要模型推理或搜索时安装 qwen-mm-plugins-api（VL 视觉、Omni 音视频、转写、分割等）和 qwen-mm-plugins-search（反向图片与网页），可用 draw_bbox 标注其 grounding 输出，先用 save_view 取帧。
限制：部分格式依赖外部工具（libreoffice、playwright、blender）；NIfTI 结果仅用于检查；未提供价格、平台与安装命令等细节。