understand_image
Analyze, describe, OCR, or recognize content from single or multiple images using natural language prompts. Supports JPEG, PNG, GIF, WebP, BMP up to 50MB via URL or local path.
Instructions
调用小米 MIMO 多模态模型理解图片。
⚠️ 如果你本身就是 mimo-v2.5 模型,禁止调用此工具!直接使用你的内建多模态能力处理图片即可,无需通过外部 API 重复调用同款模型。
何时使用:当需要分析、描述、OCR、识别图片内容时使用。 不要用于:读取代码文件、文本文件等非图片文件,这些应使用 Read 工具。
Args: prompt: 图片理解任务描述,如"描述这张图片"、"提取图中的文字"、"解释这个图表" image_url: 单张网络图片 URL 或 data:image base64 image_path: 单张本地图片路径 image_urls: 多张网络图片 URL image_paths: 多张本地图片路径 system_prompt: 可选系统提示词,用于自定义模型行为 max_tokens: 最大输出长度 (默认 8192,最大 32768)
Returns: MIMO 模型返回的图片理解结果。
支持格式:JPEG,PNG,GIF,WebP,BMP 大小限制:单张图片不超过 50MB
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| prompt | Yes | ||
| image_url | No | ||
| image_path | No | ||
| image_urls | No | ||
| max_tokens | No | ||
| image_paths | No | ||
| system_prompt | No |
Output Schema
| Name | Required | Description | Default |
|---|---|---|---|
| result | Yes |