Vision Agents スキル

製品概要

Vision Agents は、リアルタイム音声・ビデオ AI アプリケーションを構築するためのオープンソース Python フレームワークです。LLM、音声サービス（STT/TTS）、ビデオプロセッサー、および MCP 経由の外部ツールを統合する統一的な Agent クラスを提供します。このフレームワークは、低遅延の転送のために Stream のグローバルエッジネットワークに対応していますが、エッジに依存しません。uv add vision-agents でインストールし、必要に応じてプロバイダープラグインを追加してください（例：uv add "vision-agents[gemini,deepgram,elevenlabs]"）。主要なファイル：main.py（エージェント定義）、.env（API キー）、pyproject.toml（依存関係）。CLI コマンド：uv run agent.py run（コンソールモード）、uv run agent.py serve（HTTP サーバー）。完全なドキュメントは https://visionagents.ai を参照してください。

使用時期

以下の場合に Vision Agents を使用してください：

• 音声アシスタント、カス

...