Agent 工具原生只处理文本生成协议。图像生成、视频生成、语音合成、语音识别、实时语音对话和决策模型需要通过 Slash Command、Skill 或 Agent 调用原生接口。
为什么需要扩展
Claude Code、Codex、OpenCode、Qwen Code 等 Agent 工具原生只处理文本生成协议（OpenAI 兼容或 Anthropic 兼容）。Token Plan 中的图像生成、视频生成、语音合成、语音识别、实时语音对话和决策模型不在这套协议内，需要工具通过 Slash Command、Skill 或 Agent 调用各自的接口。
接口总览
| 能力 | 接口 |
|---|---|
| 决策模型 | https://token-plan.maas.qianwenaiapi.com/compatible-mode/v1/systemone |
| 图像生成 | https://token-plan.maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation |
| 视频生成（提交） | https://token-plan.maas.qianwenaiapi.com/api/v1/services/aigc/video-generation/video-synthesis |
| 视频生成（查询） | https://token-plan.maas.qianwenaiapi.com/api/v1/tasks/{task_id} |
| 语音合成 | https://token-plan.maas.qianwenaiapi.com/api/v1/services/audio/tts/SpeechSynthesizer |
| 语音识别 | https://token-plan.maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation |
| 实时语音对话 | wss://token-plan.maas.qianwenaiapi.com/api-ws/v1/realtime?model=qwen-audio-3.0-realtime-plus |
快速接入
按要接入的能力选择对应文档，具体配置步骤见各文档。
接入决策模型
同步，结构化返回
接入图像生成模型
同步
接入视频生成模型
异步任务
接入语音合成模型
同步
接入语音识别模型
同步
接入实时语音对话模型
WebSocket
添加视觉理解能力
切换视觉模型，或 Skill/Agent 代调
前提
工具配置路径
下表以图像生成为例。接入其他能力时，将 text-to-image 替换为对应能力的命令名，将 token-plan-image 替换为对应的 Skill 名。
| 工具 | 扩展机制 | 配置文件路径 |
|---|---|---|
| Claude Code | Slash Command | .claude/commands/text-to-image.md |
| Codex | Skill | ~/.codex/skills/token-plan-image/SKILL.md |
| Qwen Code | Skill | ~/.qwen/skills/text-to-image/SKILL.md |
| OpenCode | Agent | .opencode/agents/text-to-image.md |
| OpenClaw | Skill | ~/.openclaw/workspace/skills/token-plan-image/SKILL.md |
| Hermes Agent | Skill | ~/.hermes/skills/media/text-to-image/SKILL.md |
| Qoder | Skill | ~/.qoder/skills/text-to-image/SKILL.md |
计费与安全
- 各能力的计费方式不同，实际 Credits 消耗以控制台用量统计为准。
- API Key 只在工具配置或环境变量中使用，不要写入命令文件、代码仓库或日志。
- 生成结果的 URL 有时效，使用后及时下载。