用视觉工具观察图像

ViewImage 把一张本地图片交给视觉模型，返回一段观察结果。当任务需要从截图、 示意图或照片里读出信息时用它。

前置条件

• 已经配置了视觉模型，或者有可用的支持图像输入的模型。都没有时，工具会返回 vision_adapter_unavailable。

步骤

1. 让 Agent 看一个具体文件，并说明要看什么：

   打开 docs/screenshots/error.png，告诉我哪个字段被高亮了。
   

2. Agent 用文件路径和提示词调用 ViewImage。你会拿到一段视觉观察，以及媒体 类型、字节大小、尺寸等元数据。

3. 如果对同一张图、同样的提示词再问一次，运行时会复用缓存的观察结果，不再调用 模型。

确认成功

观察结果回答了你的问题，元数据也确认工具读的是你指定的那张图。

限制

支持的格式、模型选择和完整的响应结构见图像观察参考。