메인 콘텐츠로 건너뛰기

Documentation Index

Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

OpenClaw는 응답 파이프라인이 실행되기 전에 인바운드 미디어를 요약(이미지/오디오/비디오)할 수 있습니다. 로컬 도구 또는 제공자 키를 사용할 수 있을 때 자동 감지하며, 비활성화하거나 사용자 지정할 수 있습니다. 이해 기능이 꺼져 있어도 모델은 평소처럼 원본 파일/URL을 계속 받습니다. 벤더별 미디어 동작은 벤더 Plugin이 등록하며, OpenClaw 코어는 공유 tools.media 구성, 대체 순서, 응답 파이프라인 통합을 담당합니다.

​
목표

  • 선택 사항: 더 빠른 라우팅 + 더 나은 명령 파싱을 위해 인바운드 미디어를 짧은 텍스트로 사전 요약합니다.
  • 원본 미디어가 모델에 전달되도록 보존합니다(항상).
  • 제공자 API와 CLI 대체 수단을 지원합니다.
  • 순서가 지정된 대체(오류/크기/시간 초과)를 위해 여러 모델을 허용합니다.

​
상위 수준 동작

1

첨부 파일 수집

인바운드 첨부 파일(MediaPaths, MediaUrls, MediaTypes)을 수집합니다.
2

기능별 선택

활성화된 각 기능(이미지/오디오/비디오)에 대해 정책에 따라 첨부 파일을 선택합니다(기본값: 첫 번째).
3

모델 선택

첫 번째 적격 모델 항목(크기 + 기능 + 인증)을 선택합니다.
4

실패 시 대체

모델이 실패하거나 미디어가 너무 크면 다음 항목으로 대체합니다.
5

성공 블록 적용

성공 시:
  • Body는 [Image], [Audio] 또는 [Video] 블록이 됩니다.
  • 오디오는 {{Transcript}}를 설정합니다. 캡션 텍스트가 있으면 명령 파싱은 이를 사용하고, 없으면 트랜스크립트를 사용합니다.
  • 캡션은 블록 안에서 User text:로 보존됩니다.
이해가 실패하거나 비활성화되어도 응답 흐름은 계속됩니다. 원본 본문 + 첨부 파일이 사용됩니다.

​
구성 개요

tools.media는 공유 모델과 기능별 재정의를 지원합니다:
  • tools.media.models: 공유 모델 목록(capabilities로 제한).
  • tools.media.image / tools.media.audio / tools.media.video:
    • 기본값(prompt, maxChars, maxBytes, timeoutSeconds, language)
    • 제공자 재정의(baseUrl, headers, providerOptions)
    • tools.media.audio.providerOptions.deepgram을 통한 Deepgram 오디오 옵션
    • 오디오 트랜스크립트 에코 제어(echoTranscript, 기본값 false; echoFormat)
    • 선택적 기능별 models 목록(공유 모델보다 우선)
    • attachments 정책(mode, maxAttachments, prefer)
    • scope(채널/chatType/세션 키별 선택적 제한)
  • tools.media.concurrency: 최대 동시 기능 실행 수(기본값 2).
{
  tools: {
    media: {
      models: [
        /* shared list */
      ],
      image: {
        /* optional overrides */
      },
      audio: {
        /* optional overrides */
        echoTranscript: true,
        echoFormat: '📝 "{transcript}"',
      },
      video: {
        /* optional overrides */
      },
    },
  },
}

​
모델 항목

각 models[] 항목은 제공자 또는 CLI일 수 있습니다: 
{
  type: "provider", // default if omitted
  provider: "openai",
  model: "gpt-5.5",
  prompt: "Describe the image in <= 500 chars.",
  maxChars: 500,
  maxBytes: 10485760,
  timeoutSeconds: 60,
  capabilities: ["image"], // optional, used for multi-modal entries
  profile: "vision-profile",
  preferredProfile: "vision-fallback",
}

​
기본값 및 제한

권장 기본값:
  • maxChars: 이미지/비디오용 500(짧고 명령에 적합)
  • maxChars: 오디오용은 설정하지 않음(제한을 설정하지 않는 한 전체 트랜스크립트)
  • maxBytes:
    • 이미지: 10MB
    • 오디오: 20MB
    • 비디오: 50MB
  • 미디어가 maxBytes를 초과하면 해당 모델을 건너뛰고 다음 모델을 시도합니다.
  • 1024바이트보다 작은 오디오 파일은 비어 있거나 손상된 것으로 처리되어 제공자/CLI 트랜스크립션 전에 건너뜁니다. 인바운드 응답 컨텍스트는 에이전트가 노트가 너무 작았다는 것을 알 수 있도록 결정적 플레이스홀더 트랜스크립트를 받습니다.
  • 모델이 maxChars보다 많이 반환하면 출력이 잘립니다.
  • prompt는 간단한 “를 설명하세요.”와 maxChars 지침을 기본값으로 사용합니다(이미지/비디오만).
  • 활성 기본 이미지 모델이 이미 비전을 기본 지원하면 OpenClaw는 [Image] 요약 블록을 건너뛰고 대신 원본 이미지를 모델에 전달합니다.
  • Gateway/WebChat 기본 모델이 텍스트 전용이면 이미지 첨부 파일은 오프로드된 media://inbound/* 참조로 보존되어, 첨부 파일을 잃지 않고 이미지/PDF 도구 또는 구성된 이미지 모델이 계속 검사할 수 있습니다.
  • 명시적인 openclaw infer image describe --model <provider/model> 요청은 다릅니다. ollama/qwen2.5vl:7b 같은 Ollama 참조를 포함해 해당 이미지 지원 provider/model을 직접 실행합니다.
  • <capability>.enabled: true이지만 모델이 구성되지 않은 경우, OpenClaw는 제공자가 해당 기능을 지원하면 활성 응답 모델을 시도합니다.

​
미디어 이해 자동 감지(기본값)

tools.media.<capability>.enabled가 false로 설정되어 있지 않고 모델을 구성하지 않았다면, OpenClaw는 다음 순서로 자동 감지하고 첫 번째 작동 옵션에서 중단합니다:
1

활성 응답 모델

제공자가 해당 기능을 지원하는 경우 활성 응답 모델.
2

agents.defaults.imageModel

agents.defaults.imageModel 기본/대체 참조(이미지만). provider/model 참조를 선호합니다. 단독 참조는 일치가 고유한 경우에만 구성된 이미지 지원 제공자 모델 항목에서 한정됩니다.
3

로컬 CLI(오디오 전용)

로컬 CLI(설치된 경우):
  • sherpa-onnx-offline(encoder/decoder/joiner/tokens가 있는 SHERPA_ONNX_MODEL_DIR 필요)
  • whisper-cli(whisper-cpp; WHISPER_CPP_MODEL 또는 번들된 tiny 모델 사용)
  • whisper(Python CLI; 모델을 자동으로 다운로드)
4

Gemini CLI

read_many_files를 사용하는 gemini.
5

제공자 인증

  • 해당 기능을 지원하는 구성된 models.providers.* 항목은 번들된 대체 순서보다 먼저 시도됩니다.
  • 이미지 지원 모델이 있는 이미지 전용 구성 제공자는 번들된 벤더 Plugin이 아니어도 미디어 이해에 자동 등록됩니다.
  • Ollama 이미지 이해는 명시적으로 선택한 경우 사용할 수 있습니다. 예를 들어 agents.defaults.imageModel 또는 openclaw infer image describe --model ollama/<vision-model>을 통해 사용할 수 있습니다.
번들된 대체 순서:
  • 오디오: OpenAI → Groq → xAI → Deepgram → OpenRouter → Google → SenseAudio → ElevenLabs → Mistral
  • 이미지: OpenAI → Anthropic → Google → MiniMax → MiniMax Portal → Z.AI
  • 비디오: Google → Qwen → Moonshot
자동 감지를 비활성화하려면 다음을 설정하세요: 
{
  tools: {
    media: {
      audio: {
        enabled: false,
      },
    },
  },
}
바이너리 감지는 macOS/Linux/Windows 전반에서 최선 노력 방식입니다. CLI가 PATH에 있는지 확인하거나(~를 확장함), 전체 명령 경로로 명시적 CLI 모델을 설정하세요.

​
프록시 환경 지원(제공자 모델)

제공자 기반 오디오 및 비디오 미디어 이해가 활성화되면, OpenClaw는 제공자 HTTP 호출에 대해 표준 아웃바운드 프록시 환경 변수를 따릅니다:
  • HTTPS_PROXY
  • HTTP_PROXY
  • ALL_PROXY
  • https_proxy
  • http_proxy
  • all_proxy
프록시 환경 변수가 설정되지 않은 경우 미디어 이해는 직접 외부 연결을 사용합니다. 프록시 값의 형식이 잘못된 경우 OpenClaw는 경고를 기록하고 직접 가져오기로 대체합니다.

​
기능(선택 사항)

capabilities를 설정하면 해당 항목은 해당 미디어 유형에 대해서만 실행됩니다. 공유 목록의 경우 OpenClaw는 기본값을 추론할 수 있습니다:
  • openai, anthropic, minimax: 이미지
  • minimax-portal: 이미지
  • moonshot: 이미지 + 비디오
  • openrouter: 이미지 + 오디오
  • google(Gemini API): 이미지 + 오디오 + 비디오
  • qwen: 이미지 + 비디오
  • mistral: 오디오
  • zai: 이미지
  • groq: 오디오
  • xai: 오디오
  • deepgram: 오디오
  • 이미지 지원 모델이 있는 모든 models.providers.<id>.models[] 카탈로그: 이미지
CLI 항목에서는 예상치 못한 매칭을 피하려면 capabilities를 명시적으로 설정하세요. capabilities를 생략하면 해당 항목은 자신이 나타나는 목록에 적합한 것으로 간주됩니다.

​
제공자 지원 매트릭스(OpenClaw 통합)

기능제공자 통합참고
이미지OpenAI, OpenAI Codex OAuth, Codex app-server, OpenRouter, Anthropic, Google, MiniMax, Moonshot, Qwen, Z.AI, 구성 제공자벤더 Plugin이 이미지 지원을 등록합니다. openai-codex/*는 OAuth 제공자 연결 구조를 사용합니다. codex/*는 제한된 Codex app-server 턴을 사용합니다. MiniMax와 MiniMax OAuth는 모두 MiniMax-VL-01을 사용합니다. 이미지 지원 구성 제공자는 자동 등록됩니다.
오디오OpenAI, Groq, xAI, Deepgram, OpenRouter, Google, SenseAudio, ElevenLabs, Mistral제공자 트랜스크립션(Whisper/Groq/xAI/Deepgram/OpenRouter STT/Gemini/SenseAudio/Scribe/Voxtral).
비디오Google, Qwen, Moonshot벤더 Plugin을 통한 제공자 비디오 이해. Qwen 비디오 이해는 Standard DashScope 엔드포인트를 사용합니다.
MiniMax 참고
  • minimax 및 minimax-portal 이미지 이해는 Plugin 소유의 MiniMax-VL-01 미디어 제공자에서 제공됩니다.
  • 번들된 MiniMax 텍스트 카탈로그는 여전히 텍스트 전용으로 시작합니다. 명시적인 models.providers.minimax 항목은 이미지 지원 M2.7 채팅 참조를 생성합니다.

​
모델 선택 지침

  • 품질과 안전성이 중요할 때는 각 미디어 기능에 사용할 수 있는 가장 강력한 최신 세대 모델을 선호하세요.
  • 신뢰할 수 없는 입력을 처리하는 도구 사용 에이전트의 경우 오래되었거나 약한 미디어 모델은 피하세요.
  • 가용성을 위해 기능별 대체 모델을 하나 이상 유지하세요(고품질 모델 + 더 빠르거나 저렴한 모델).
  • CLI 대체 수단(whisper-cli, whisper, gemini)은 제공자 API를 사용할 수 없을 때 유용합니다.
  • parakeet-mlx 참고: --output-dir를 사용하면 출력 형식이 txt이거나 지정되지 않은 경우 OpenClaw는 <output-dir>/<media-basename>.txt를 읽습니다. txt가 아닌 형식은 stdout으로 대체됩니다.

​
첨부 파일 정책

기능별 attachments는 처리할 첨부 파일을 제어합니다:
​
mode
"first" | "all"
기본값:"first"
첫 번째로 선택한 첨부 파일을 처리할지, 모든 첨부 파일을 처리할지 여부입니다.
​
maxAttachments
number
기본값:"1"
처리할 개수를 제한합니다.
​
prefer
"first" | "last" | "path" | "url"
후보 첨부 파일 중 선택 우선순위입니다.
mode: "all"일 때 출력에는 [Image 1/2], [Audio 2/2] 등으로 레이블이 지정됩니다.
  • 추출된 파일 텍스트는 미디어 프롬프트에 추가되기 전에 신뢰할 수 없는 외부 콘텐츠로 래핑됩니다.
  • 주입된 블록은 <<<EXTERNAL_UNTRUSTED_CONTENT id="...">>> / <<<END_EXTERNAL_UNTRUSTED_CONTENT id="...">>> 같은 명시적 경계 마커를 사용하며 Source: External 메타데이터 줄을 포함합니다.
  • 이 첨부 파일 추출 경로는 미디어 프롬프트가 불필요하게 커지는 것을 피하기 위해 긴 SECURITY NOTICE: 배너를 의도적으로 생략합니다. 경계 마커와 메타데이터는 그대로 유지됩니다.
  • 파일에 추출 가능한 텍스트가 없으면 OpenClaw는 [No extractable text]를 주입합니다.
  • 이 경로에서 PDF가 렌더링된 페이지 이미지로 대체되면, 이 첨부 파일 추출 단계는 렌더링된 PDF 이미지가 아니라 텍스트 블록을 전달하므로 미디어 프롬프트는 [PDF content rendered to images; images not forwarded to model] 플레이스홀더를 유지합니다.

​
구성 예시

{
  tools: {
    media: {
      models: [
        { provider: "openai", model: "gpt-5.5", capabilities: ["image"] },
        {
          provider: "google",
          model: "gemini-3-flash-preview",
          capabilities: ["image", "audio", "video"],
        },
        {
          type: "cli",
          command: "gemini",
          args: [
            "-m",
            "gemini-3-flash",
            "--allowed-tools",
            "read_file",
            "Read the media at {{MediaPath}} and describe it in <= {{MaxChars}} characters.",
          ],
          capabilities: ["image", "video"],
        },
      ],
      audio: {
        attachments: { mode: "all", maxAttachments: 2 },
      },
      video: {
        maxChars: 500,
      },
    },
  },
}

​
상태 출력

미디어 이해가 실행되면 /status에 짧은 요약 줄이 포함됩니다. 
📎 Media: image ok (openai/gpt-5.4) · audio skipped (maxBytes)
이는 기능별 결과와 적용 가능한 경우 선택된 공급자/모델을 보여줍니다.

​
참고 사항

  • 이해는 최선의 노력으로 수행됩니다. 오류가 답변을 차단하지 않습니다.
  • 이해가 비활성화되어 있어도 첨부 파일은 여전히 모델에 전달됩니다.
  • scope를 사용하여 이해가 실행되는 위치를 제한하세요(예: DM만).

​
관련 항목