$ loading_
通过 Gemini 实时接口持续解析图像、视频、音频与文本内容。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"gemini-vision-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 gemini-vision-mcp 分析这张图片，输出主要对象、场景、可见文字以及一句简短摘要。
返回结构化的图片描述，包括对象、场景、文字信息和摘要。
请用 gemini-vision-mcp 描述这段视频的主要事件、人物动作和场景变化，并总结核心内容。
输出视频中的关键事件、动作描述与简明总结。
请使用 gemini-vision-mcp 说明这段音频的主要内容，并对附带文本做简要解读。
返回音频内容描述，以及对文本的简要分析结果。
开发者或研究人员可用它统一解析图像、视频、音频和文本内容，快速获得可读描述或摘要。适合把多种输入接入同一条 AI 处理链路。
需要持续处理内容流时，可以借助持久化 WebSocket 会话与 Gemini Live API 交互。这样更适合需要连续发送与接收分析结果的场景。
面向使用 MCP 的产品或自动化流程，这个工具可作为后端服务提供多模态描述能力。适合把媒体理解能力集成到现有 AI 助手或工作流中。
它是一个 MCP server，用于通过 Gemini 3.1 Flash Live API 描述视频、图像、音频和文本内容。其特点是使用持久化 WebSocket 会话进行交互。
根据描述，它支持视频、图像、音频和文本四类输入。是否有更细的格式限制，见源码仓库。
已知它依赖 Gemini 3.1 Flash Live API，并通过持久化 WebSocket 会话工作。关于安装方式、密钥配置和运行环境，见源码仓库。
将本地视频交给 Gemini 分析，生成带时间戳的详细内容描述并提取帧。
通过 Gemini 模型为 AI 助手生成图片与视频，支持创意制作与原型演示。
用 Gemini 分析图片、音频和视频，并支持抓取站点视频链接内容
让 AI 编码助手理解和分析长视频内容，并支持分段问答。
通过 MCP 客户端调用 Gemini 模型，完成问答、生成与集成开发任务。
通过 Google Gemini API 生成、编辑图像，并支持多轮迭代细化。