Vercel vừa công bố bản cập nhật cho thư viện AI SDK, chính thức hỗ trợ dữ liệu đầu vào dạng hình ảnh cho lớp HarnessAgent trên toàn bộ các bộ chuyển đổi (adapter) hiện có. Thay đổi này cho phép các nhà phát triển kết hợp trực tiếp hình ảnh cùng văn bản khi tương tác với các công cụ lập trình AI và môi trường thực thi tác vụ tự động.
Theo tài liệu từ Vercel, người dùng có thể gửi hình ảnh song song với văn bản thông qua định dạng tin nhắn tiêu chuẩn của AI SDK. Cấu trúc dữ liệu sử dụng một mảng content chứa đồng thời các thành phần có định dạng kiểu văn bản ({ type: 'text' }) và kiểu tệp tin ({ type: 'file' }). Các tệp hình ảnh đưa vào sẽ được xử lý trực tiếp bởi mô hình thị giác máy tính (vision model) tích hợp bên dưới của từng nền tảng tương ứng.
Tính năng xử lý hình ảnh mới được kích hoạt đồng loạt trên tất cả 10 adapter hiện có của hệ sinh thái HarnessAgent, bao gồm: Claude Code, Cline, Codex, Cursor, Deep Agents, fx, GitHub Copilot, Grok Build, OpenCode và Pi. Việc hỗ trợ đồng bộ này giúp các nhà phát triển xây dựng luồng làm việc đa phương thức mà không cần phải viết mã xử lý riêng cho từng công cụ biên dịch hoặc trợ lý lập trình cụ thể.
Hiện tại, Vercel đã phát hành tài liệu hướng dẫn chi tiết về cấu hình đầu vào hình ảnh cho HarnessAgent trên trang tài liệu chính thức của AI SDK. Đơn vị phát triển chưa công bố thêm thông tin về giới hạn dung lượng tệp tin, định dạng hình ảnh cụ thể được hỗ trợ hoặc mức chi phí phát sinh khi gọi qua từng adapter.