# Spec 70: MCP のツール結果で画像を受け取る

- 状態: **Done**（2026-10-25。P4 = 実機 7 項目を `fuseforks.log` で観測。記録は「P4 実機記録」）（2026-10-24 起票。利用者が推しの 6 点のまま裁定し、同日 P0 = 7 ワイヤの実測と
  `data_contract` の `mcp_image_result_contract` 凍結。記録は「P0 実測記録」。D1 の表が埋まった。→ 同日、査読 9 点を
  実装と P0 の記録に当てて rev2。判定は採用 6 / 前提を訂正して採用 1 / 範囲を広げて採用 1 / 反証 1。表は Notes 2。
  → 同日 P1 = コア。記録は「P1 実装記録」。→ 2026-10-25 P2 = 各ワイヤ。記録は「P2 実装記録」。画像がワイヤへ出る
  ようになった。→ 同日 P3 = 台帳（DETAIL 3 言語・PRIVACY 日英・README 3 言語の 1 句）。→ 同日 P4 = NIK のライブビューで実機）

## rev1 からの変更（査読 9 点の反映。詳細は Notes 2）

- **D2 の二重定義を解いた** — 再エンコードしないもの（JPEG / WebP で上限の内側 = バイト列をそのまま）と、再エンコード
  するもの（PNG・上限超え = JPEG 85・透明は白）を分けて書いた。白で塗るのは再エンコードするときだけ
- **「代替」を 1 つの意味にした** — 設計の語としての「代替」は OpenAI 互換が使う「直後の利用者の発話」だけ。P0 で
  Anthropic と Gemini に試した「同じ発話の別ブロック」は測定の変種で、どのワイヤも採らない（D1）
- **OpenAI 互換を一律に代替にした代償を書いた**（xAI の互換の口はネイティブで読めるのに発話が 1 つ増える）
- **1 要求に載せる画像の総数に上限を足した**（D2b 新設）— 査読の「利用者の添付と上限を共有したらどちらを落とすか」は
  前提が違った（共有しているのは 1 枚の上限の値で、予算ではない）。ただし同じ方向に実在する穴があった — ターンの中で
  ツールを何周も呼ぶと画像が積み上がり、Anthropic の 1 要求 100 枚の上限を超える
- **RepeatGuard の要約値は、接続先へ送るバイト列で取る**（D4）
- **Goal 1 の射程を「画像を読めるモデル」に絞った** — 200 で画像を黙って無視するモデルはコアから見分けられない（D5）
- **コアが足す文はすべて村の言語で、言語を知っている層が書く**（D5 / D6 / D1 の代替の本文）— 査読は D5 の一文の
  日本語固定を指したが、引くと rev1 の D5 は送り直しを `LlmBackend::chat`（言語を知らない層）に置いていた。
  `failures.md` #149 の形そのものなので、送り直しの置き場をターンの層へ移した
- **`ToolOutput` の形を決めた**（D7）— 落とした画像は `images` に入れず、`text` に村の言語で書き、落とした理由は計器用に別に持つ
- 反証 1 件: 「代替の発話を足すと入力キャッシュの前方一致が効かなくなる」（D3 に理由を書いた）
- 起点: 利用者（2026-10-24）—「NIK（Nikon のカメラと MCP で繋ぐアプリ）でカメラの写しているイメージを取得したい。
  Fuseforks のツール実行ではテキスト以外は受け取れないようになっているようだ。テキスト以外も受け取れるようにできるか」
- 調査だけのターンを 1 回取った（コード: `mcp.rs` の `render_tool_result` / `tool.rs` の `AgentTool::call` /
  `llm/canonical.rs` の `ChatMessage.attachments` / 各ワイヤの `Role::Tool` の組み立て / `attachment.rs` の上限 /
  `orchestrator/turn.rs` の `RepeatGuard`）。下の「現況」はその実測

## 覆す判断

- **`render_tool_result` の「テキスト以外は種別だけを明示して落とす」**（`mcp.rs` の doc —「そのまま渡せないので」）。
  落としていた理由は経路が無かったことで、黙って捨てないための注記は正しかった。本 Spec は**画像だけ**経路を作り、
  音声・埋め込みリソースは今の注記のまま残す（D6）

## Goal

1. MCP サーバーがツールの結果として返した画像（`type: "image"`）を、そのツールを呼んだ個体のモデルが見られる。
   **対象は画像を読めるモデル**（rev2）— 画像を読めないモデルのうち 200 で黙って無視するものは、コアから見分けられない（D5）
2. 画像を返さない MCP・同梱ツールの挙動は 1 バイトも変わらない（ツールの提示・結果の本文・履歴・ログ）
3. 画像が入っても、同じ失敗の繰り返しを止める歯止め（RepeatGuard）が誤って止めない・誤って見逃さない
4. 画像を読めないモデルの個体で、ターンが落ちない
5. 外へ送るものが 1 つ増えることを、PRIVACY に書く

## 現況（実測 2026-10-24）

- **落としている場所は 1 箇所** — `mcp.rs` の `render_tool_result` が `CallToolResult.content` の各ブロックを
  `as_text()` で見て、テキスト以外を「（テキスト以外の内容が返されました。この経路では扱えません）」の 1 行へ置き換える。
  この 1 行は**日本語固定**で、英語の村にも日本語のまま入る（`failures.md` #149 の家族）。単体
  `non_text_blocks_are_reported_rather_than_dropped` がこの挙動を留めている
- **ツールの戻り値の型がテキストしか運べない** — `AgentTool::call` は `CoreResult<String>`（`tool.rs`）
- **運ぶ器は半分ある** — `ChatMessage.attachments: Vec<PromptAttachment>`（Spec 23 / 36）。ただし各ワイヤが
  添付を組み立てるのは利用者の発話だけで、`Role::Tool` は本文だけを送る（例: `openai_compat.rs` の `Role::Tool` は
  `OaiContent::Text` で即 return）
- **ツール結果はもともと 1 ターン限り** — 履歴（`Record::Exchange`）にはツール結果を積まない。ターンの中の 2 周目
  以降には送り直される（入力キャッシュの前方一致に乗る）
- **コアが扱える画像の形式は WebP と JPEG だけ**（`PromptMediaType`）。利用者の添付は画面側が WebP にしてから送る
  （Spec 23）。上限は `ATTACHMENT_IMAGE_MAX_BYTES` = 2 MB・`ATTACHMENT_IMAGE_MAX_EDGE_PX` = 1568。依存の `image` は
  `features = ["webp", "jpeg"]` で、**PNG のデコーダが無い**。`image` の WebP エンコーダは可逆だけ
- **RepeatGuard は (ツール名, 引数, 結果の本文) で数える**（`turn.rs` の `RepeatGuard::observe`）。本文が同じで画像
  だけが違う結果（ライブビューを撮り直す）は「同じ結果の 3 回目」として止まる
- **ツール結果の圧縮（Jev・Spec 59 / 60）は本文の文字列を見る**。ツールの出力の表示（Spec 57）も文字列のリング
- **各社がツール結果の中の画像を受けるか** — Anthropic は `tool_result` の `content` に画像ブロックを置ける（文書）。
  OpenAI 互換の `role: "tool"` はテキストだけ（文書）。Gemini ネイティブ・OpenAI / xAI / Meta / Perplexity の
  Responses は**未測定**（P0）。利用者の発話に載せる画像は 7 ワイヤ全部が運べる（Spec 36 の carries 表）

## Design

### D1. 画像を置く場所 — ワイヤごと（P0 で決める）

- **ツール結果の中へ置けて、モデルが中身を読めるワイヤは、ツール結果の中へ置く**（ネイティブ）
- **置けないワイヤは、ツール結果の直後に利用者の発話を 1 つ足して、そこへ載せる**（代替）。本文は
  「（{ツール名} の結果の画像 N 枚）」— モデルが「利用者が貼った画像」と取り違えないよう、どのツールの結果かを名乗る。
  送り手封筒（Spec 26）は付けない（利用者の発話ではなく、コアが組んだ運び台）
- **「代替」はこの 1 つの意味だけ**（rev2）。P0 で Anthropic と Gemini に試した「同じ発話の別ブロック」は測定の変種で、
  どちらのワイヤもネイティブを採るので実装には現れない
- **代替の本文はターンの層が村の言語で組み、canonical で adapter へ渡す**（rev2。D6）— adapter は言語を知らないので
  文を書かない（`failures.md` #149）。ツール結果の `ChatMessage` に画像と一緒に載せる欄を 1 つ足す（名前は P1）
- どちらにするかは P0 の実測で表にして `data_contract` に凍結する（Spec 36 の carries 表と同じ形 — 述語 1 実装と
  adapter の一致をテストで留める）。**P0 の結果**:

  | ワイヤ | 置き場 | 根拠（P0） |
  |---|---|---|
  | Anthropic | ネイティブ（`tool_result` の `content` の配列に画像ブロック） | ネイティブ・代替とも読めた |
  | OpenAI 互換 | **代替**（`role: "tool"` は本文だけ、直後に利用者の発話で `image_url`） | ネイティブは接続先しだい（Gemini の互換の口 = 400、xAI の互換の口 = 通る）。代替は 2 つとも読めた |
  | Gemini ネイティブ | ネイティブ（`functionResponse.parts` に `inlineData`） | ネイティブ・代替とも読めた（3.5-flash-lite / 3.8-flash） |
  | OpenAI Responses | ネイティブ（`function_call_output.output` を `input_text` + `input_image` の配列に） | ネイティブ・代替とも読めた |
  | xAI Responses | ネイティブ（同上） | 同上 |
  | Meta Responses | ネイティブ（同上） | 同上 |
  | Perplexity Responses | ネイティブ（同上） | 画像を受けるモデル（`google/gemini-3.7-flash`）でネイティブ・代替とも読めた |

- **OpenAI 互換を一律に代替にした代償**（rev2）— `openai_compat.rs` は接続先を区別しない 1 実装で、ネイティブが通るかは
  接続先しだい（Gemini の互換の口 = 400、xAI の互換の口 = 通る）。400 になる接続先を避けるため一律に代替にする。
  代償は、ネイティブで読める接続先（xAI の互換の口など）でも利用者の発話が 1 つ増えること（本文は 10 トークン前後）。
  xAI を Responses のワイヤ（`xai_responses`）で使う個体はネイティブなので、この代償は互換の口を選んだ個体だけ
- canonical では、画像を**ツール結果の `ChatMessage.attachments`** に載せる。ネイティブか代替かは adapter が決める
  （プロンプトを組む側は場合分けを抱えない）

### D2. 形式と大きさ — コアで JPEG へ寄せる

- **2 つに分ける**（rev2。rev1 は「すべてデコードして JPEG へ」と「上限の内側ならそのまま」を同じ段落に書いていた）:
  - **再エンコードしない**: `image/jpeg` か `image/webp` で、長辺 1568px 以下・2 MB 以下のもの。**MCP が返したバイト列を
    そのまま送る**（寸法を読むためにデコードはするが、エンコードし直さない。WebP の透明はそのまま残る — 7 ワイヤとも
    WebP を受ける）
  - **再エンコードする**: `image/png`、または上限（長辺・大きさ）を超えた JPEG / WebP。デコードし、長辺 1568px へ縮め、
    **JPEG（品質 85）** へ。**透明は白で塗る**（JPEG は透明を持たない。白で塗るのはこの経路だけ）。再エンコードしても
    2 MB を超えるものは落とす
- WebP へ再エンコードしない理由: `image` の WebP エンコーダは可逆だけで、写真が 2 MB の上限を超えやすい。非可逆の WebP は
  C 依存（libwebp）になる。JPEG は 7 ワイヤ全部が運ぶ（Spec 23 の JPEG フォールバック・本 Spec の P0 で実測済み）
- **上限**: 1 つのツール結果につき画像 4 枚・1 枚 2 MB・長辺 1568px。**値は利用者の添付と同じ定数
  （`ATTACHMENT_IMAGE_MAX_BYTES` / `ATTACHMENT_IMAGE_MAX_EDGE_PX`）を使うが、予算は共有しない**（rev2。利用者の添付は
  1 発話 1 枚で、ツール結果の画像とは別の発話に乗る。どちらかを落として他方を通す関係は無い）
- デコードできない・形式が違う（GIF など）・上限を超えた画像は落とし、**落としたことを本文に書く**（`failures.md` #44。D7）
- `image` に `png` の機能を足す（純 Rust。依存の木に 7 crate 増えるが、7 つともロックファイルに既にある。P0）

### D2b. 1 要求に載せる画像の総数（rev2 で新設）

- ツール結果の画像は、ターンの中で周を重ねるたびに `messages` に積み上がり、毎周送り直される（D3）。カメラを何度も
  撮るターンでは、Anthropic の **1 要求 100 枚**の上限（20 枚を超えると 1 枚の上限も 2000px へ下がる）に届く
- **1 要求に載せるツール結果の画像は、新しいものから 20 枚まで。** 超えたら古いものから外し、外したツール結果の本文に
  「（前の周の画像は省きました）」を村の言語で足す（ターンの層）
- 古い画像を外すとその位置から後ろの前方一致が切れ、その周は入力キャッシュの書き直しになる（D3）。新しい画像を
  落とす形は採らない — カメラを見張る仕事では、要るのは最新の画像

### D3. 寿命 — 1 ターン限り

- ツール結果と同じ。履歴にも `sessions.redb` にも入らない（Spec 23 D1 と同じ判断）
- ターンの中では 2 周目以降に送り直される。入力キャッシュの前方一致に乗るので、払いは主に最初の 1 回
- **代替（D1）でも前方一致は保たれる**（rev2。査読の反証）— 代替の発話はツール結果の直後に**追記**され、次の周も
  同じバイト列で組み直されるので、`messages` の並びは周をまたいで前方が変わらない。前方一致が切れるのは D2b で
  古い画像を外したときだけ。代替の本文が足すのは 10 トークン前後で、画像のトークン（NIK の 640×424 で約 360）は変わらない

### D4. RepeatGuard — 本文と画像の要約値で数える

- 「同じ結果」の判定に、画像のバイト列の SHA-256 を加える。本文が同じで画像が違えば別の結果
- **要約値を取るのは、接続先へ送るバイト列**（rev2）— 再エンコードしないものは MCP が返したバイト列、するものは
  再エンコード後の JPEG。D2 の経路の分かれ目を判定に持ち込まない（同じ入力は同じ経路を通るので、同じ画像は同じ要約値）。
  落とした画像は要約値の列に入れない
- 画像を返さないツールの判定は今と同じ（要約値の列が空）

### D5. 画像を読めないモデル — 画像を外して 1 回だけ送り直す

- ツール結果の画像を含む要求が 400 で返ったら、ツール結果の画像を外し、そのツール結果の本文に「画像はこのモデルへ
  送れませんでした」を足して 1 回だけ送り直す
- **置き場はターンの層**（rev2 で rev1 から移した）— rev1 は Spec 23 D3 の JPEG フォールバックと同じ
  `LlmBackend::chat` の最外周に置いていたが、そこは村の言語を知らない層で、足す一文が日本語固定になる
  （`failures.md` #149 が直したばかりの形）。ターンの層は村の言語を知っており、`messages` を組み直せる。
  その周の `messages` から画像を外すので、以後の周も画像なしで続く（同じ 400 を毎周踏まない）
- 外して通ったことはログに 1 行（`tool image fallback:`）
- **この網に掛からないモデルがある**（P0）— 画像を読めないモデルの一部は 400 を返さず、200 で画像を黙って無視する。
  sakura の gpt-oss-120b は 3 回とも 200 で、1 回は**存在しない色（青と赤）を答えた**。コアからは見分けられないので
  機構は足さず、DETAIL に「画像を読めないモデルの個体では、画像が無いと答えるか、中身を捏造することがある」と書く。
  **このモデルは Goal 1 の対象外**（rev2）— Goal 4 の「ターンが落ちない」は満たすが、「見られる」は満たせない

### D6. 範囲 — 画像だけ

- 音声（`type: "audio"`）・埋め込みリソース（`type: "resource"`）は今の注記のまま。ただし**注記の文を村の言語で**
  書く（日本語固定の 1 行を直す）
- **コアがツール結果に足す文は、すべて村の言語で、言語を知っている層が書く**（rev2。査読 8 を広げた）:

  | 文 | 書く層 |
  |---|---|
  | テキスト以外を扱えない注記（音声・リソース） | `McpTool`（`ToolContext.language` を持つ） |
  | 画像を落とした注記（D2・D7） | `McpTool` |
  | 代替の発話の本文（D1） | ターンの層（canonical の欄で adapter へ渡す） |
  | 前の周の画像を省いた注記（D2b） | ターンの層 |
  | 画像をモデルへ送れなかった注記（D5） | ターンの層 |

  adapter（LLM の層）は文を 1 つも書かない
- 同梱ツールは画像を返さない。戻り値の型を広げるのは MCP のツールだけ（D7）

### D7. 型 — 既定実装つきのメソッドを足す

- `AgentTool` に `call_with_media`（仮）を足し、既定は `call` の文字列をそのまま包む（`ToolOutput { text, images }`）。
  上書きするのは `McpTool` だけ。同梱ツールは 1 行も変えない
- **一部の画像を落としたときの形**（rev2）— `ToolOutput` は 3 つを持つ:
  - `text`: MCP のテキストのブロックに、落とした画像の注記（村の言語）を足したもの。**モデルが読むのはこれ**
  - `images`: 送る画像だけ（D2 を通ったもの。最大 4 枚）。**落とした画像は入れない**
  - `dropped`: 落とした画像の理由の列（形式違い / デコード不能 / 大きさ超え / 枚数超え）。**計器だけが読む**
    （`tool image dropped:` 行）。モデルへは `text` の注記で伝わる
- 部分的な成功はエラーにしない — テキストと残った画像は届ける。すべて落ちたら `images` が空で、`text` に注記だけが残る
  （「空の結果」にしない）
- 呼ぶ側（`CallRunner`）は `call_with_media` だけを呼び、画像をツール結果の `ChatMessage.attachments` へ載せる

### D8. 他の機構との関係

- **ツール結果の圧縮（Jev）**: 本文だけを見る。画像は送らない・落とさない
- **ツールの出力の表示（Spec 57）**: 本文の後ろに「（画像 N 枚・{形式}・{大きさ}）」を足す。画像そのものはリングに
  持たない
- **計器**: `tool:` 行に `images=N`（画像を返したときだけ）。落とした画像は `tool image dropped: … reason=…` を 1 行。
  **画像の中身は書かない**
- **トークン予算**: 画像のトークンは接続先が返す `usage` にそのまま入る（新しい計上は要らない）

### D9. PRIVACY

- 日英の「LLM の接続先へ送るもの」に「MCP サーバーがツールの結果として返した画像（Spec 70）」を足す。
  NIK のように実世界を写す画像が、その個体のモデルの接続先へ出る

## 採らなかった形

- **画像を常に代替（利用者の発話）で運ぶ** — 1 経路で済むが、ネイティブで運べるワイヤでも「利用者が貼った」と読める
  位置に置くことになる。P0 で運べると分かったワイヤはネイティブを使う
- **画像を WebP へ寄せる** — D2 の理由（可逆だけ / C 依存）
- **画像を履歴に残す** — D3（Spec 23 D1 と同じ）

## Tasks

### P0 — 測ってから凍結する（**完了 2026-10-24**。下の「P0 実測記録」）

- [x] 7 ワイヤへ「ツールを呼んだ発話 + 画像を含むツール結果」を送り、受理されるか・モデルが画像の中身を読めるかを
  ネイティブと代替の両方で測る（合成の 2 色の画像。中身の読みは色で判定する）
- [x] JPEG と WebP の両方を、ネイティブで受けるワイヤで確かめる
- [x] `image` に `png` を足したときに増える依存を数える
- [x] 実物の MCP の画像の形（NIK の `live_view_image`）を 1 回読む
- [x] `data_contract.yaml` へ凍結（`mcp_image_result_contract`。D1 の表・D2 の上限・D4 の判定・D5 の送り直し）

### P0 実測記録（2026-10-24）

**測り方**: 使い捨ての Python（scratchpad。リポジトリには入れていない）で、各社の API を直に 2 段で撃った —
1 段目で `camera_snapshot`（引数なしの関数）を呼ばせ、2 段目で 1 段目の出力を逐語で積み（Anthropic の思考ブロック・
Gemini の `thoughtSignature`・Responses の `reasoning` を含む）、画像入りのツール結果を返す。画像は 128×96 の
左半分が緑・右半分がマゼンタの合成で、答えに両方の色が出れば「読めた」。置き方は **ネイティブ**（ツール結果の中）と
**代替**（Anthropic と Gemini は同じ発話の別ブロック、それ以外は直後の利用者の発話）。鍵は資格情報ストアから読み、
表示もファイルへの書き出しもしていない。

| 対象（モデル） | ネイティブ JPEG | ネイティブ WebP | 代替 JPEG |
|---|---|---|---|
| Anthropic（claude-sonnet-5-5） | 読めた | 読めた | 読めた |
| Gemini（gemini-3.5-flash-lite / gemini-3.8-flash） | 読めた | 読めた | 読めた |
| OpenAI Responses（gpt-6.1-sol） | 読めた | 読めた | 読めた |
| xAI Responses（grok-4.7） | 読めた | 読めた | 読めた |
| Meta Responses（muse-spark-1.3-contributor） | 読めた | 読めた | 読めた |
| Perplexity Responses（google/gemini-3.7-flash） | 読めた | 読めた | 読めた |
| OpenAI 互換・Gemini の互換の口（gemini-3.5-flash-lite） | **400** `Invalid content part type: image_url` | **400** | 読めた |
| OpenAI 互換・xAI の互換の口（grok-4.7） | 読めた | 読めた | 読めた |

**画像を読めないモデル**（D5 の網との関係）:

| 対象 | 結果 |
|---|---|
| Perplexity（perplexity/deepseek-v4-pro-0813） | 画像入りは 3 通りとも本文なしの `400 invalid request`。画像なしの対照は 200、ツールなしで画像だけを送っても 400 → **往復の形ではなくモデルが画像を受けない**。D5 の送り直しで救える形 |
| sakura（gpt-oss-120b、OpenAI 互換） | 3 通りとも **200**。2 回は「画像が見えない」と答え、**1 回は存在しない色（青と赤）を答えた** → D5 の網に掛からない |

**測れなかったもの**:

- **OpenAI の互換の口**（`/v1/chat/completions`）— gpt-6.1-sol はこの口でツールを使えない（推論を付けたままでは
  `Function tools with reasoning_effort are not supported`、`reasoning_effort: "none"` は `does not support 'none'`）。
  OpenAI の文書はツールの結果をテキストだけと書いており、D1 で OpenAI 互換を代替に固定するので結論は変わらない
- sakura の Qwen3-VL — サーバー側でツールが使えない設定（`"auto" tool choice requires --enable-auto-tool-choice`）

**実物の MCP の画像**（NIK の `live_view_image`、Claude Code から 1 回）: `content` は **JPEG の画像 1 枚
（640×424・21,017 バイト）と、テキストのブロック 1 つ**（`{"height":424,"jpeg_bytes":21017,"seq":33985,"width":640}`）。
D2 の上限の内側の JPEG なので、**変換せずにそのまま通る**。

**依存**: `image` に `png` を足すと、`fuseforks-core` の依存の木に 7 crate（`png` / `fdeflate` / `flate2` /
`miniz_oxide` / `adler2` / `crc32fast` / `simd-adler32`）増える。**7 つともロックファイルに既にある**（GUI 側の依存）
ので、リポジトリ全体では新しい crate は増えない。`Cargo.toml` とロックファイルは測った後に元のバイト列へ戻した
（SHA-256 で確認）。

**トークン**: 合成の画像（128×96）は入力の数十トークン。NIK の 640×424 なら Anthropic の目安（幅 × 高さ ÷ 750）で
約 360 トークン。ターンの中の 2 周目以降に送り直されるが、入力キャッシュの前方一致に乗る。

### P1 — コア（**完了 2026-10-24**。下の「P1 実装記録」）

- [x] 画像の正規化の純機構（`tool_image.rs`）と `image` の `png`
- [x] `ToolOutput` と `AgentTool::call_with_media`、`McpTool` の画像つきの結果（`render_tool_output`）
- [x] ターンの層 — ツール結果へ画像を載せる・1 要求 20 枚・400 の送り直し・RepeatGuard・計器・表示の 1 行
- [x] 単体と結合、変異で赤を確かめる

### P1 実装記録（2026-10-24）

**adapter はまだ 1 行も変えていない**（P2）。どのワイヤも `Role::Tool` の `attachments` を読まないので、P1 の時点では
画像は canonical の要求に載るがワイヤへは出ない。**P1 と P2 の間で版を出さない** — 出すと、それまでの
「テキスト以外は扱えません」の注記が消えたうえに画像も届かず、モデルは画像があったことを知らない。

**入れたもの**:

- `crates/fuseforks-core/src/tool_image.rs`（新設・純機構）— `normalize`（D2 の 2 経路）/ `cap_tool_images`（D2b）/
  `strip_tool_images`（D5）/ `attach`（代替の本文を枚数と一緒に組む）/ コアが足す文 6 つ（`dropped_note` /
  `images_only_text` / `caption` / `omitted_note` / `fallback_note` / `display_suffix`。どれも村の言語を引数に取る）
- `tool.rs` — `ToolOutput { text, images, dropped }` と `AgentTool::call_with_media`（既定は `call` を包む）
- `mcp.rs` — `render_tool_result(result) -> String` を `render_tool_output(result, language) -> ToolOutput` へ。
  `McpTool::call` は `call_with_media` の本文だけを返す形に
- `llm/canonical.rs` — `ChatMessage.attachment_caption`（代替の本文。`skip_serializing_if` で、画像の無い発話は
  欄の追加前と同じシリアライズ）
- `orchestrator/turn.rs` — `execute_tool` は `call_with_media` を呼ぶ / `CallOutcome::Executed { body, images }` /
  周の終わりに `cap_tool_images` / `chat_with_tool_image_fallback`（周の呼び出しとまとめ呼び出しの 2 箇所）/
  `RepeatGuard::observe_result`（本文と要約値の列の組）/ 計器 3 行 / 表示の 1 行
- `attachment.rs` — `is_animated_webp` を `pub(crate)` で出した（利用者の添付の検証と同じ 1 実装）

**実装で決めたこと**（Design に書いていなかったもの）:

- **形式は `mimeType` ではなくバイト列で決める**（`image::guess_format`）— `mimeType` はサーバーの自己申告で、
  送る `media_type` がバイト列と食い違うと接続先が 400 を返す。判別できないバイト列は「読み取れない」、
  判別できて運べない形式（GIF・BMP）は「対応していない形式」と分けた
- **アニメーション WebP は再エンコードの経路**（先頭フレームの JPEG）— そのまま送ると、モデルに何が渡るかが
  接続先しだいになる
- **展開の上限 1 辺 16,384px**（`TOOL_IMAGE_DECODE_MAX_EDGE_PX`）— 伸張爆弾の歯止め。D2 の「上限を超えたら縮めて送る」は
  縮める前に展開するので、小さなファイルで巨大な画像を名乗られるとメモリを食い尽くす。超えたら展開せずに
  「大きすぎる」で落とす
- **画像だけが返った結果の本文は「（画像 N 枚）」**（`McpTool`）— Spec 70 の前の「（空の結果）」のままだと嘘になる。
  D6 の表に無かった 6 つ目の文
- **同じ関数にあった日本語固定の 2 文も村の言語へ**（「（空の結果）」「ツールはエラーを返しました:」）。日本語の村の
  本文は、画像を返さない結果では Spec 70 の前と 1 バイトも変わらない。**ターンの層に以前からある日本語固定の文**
  （ツールの実行に失敗しました / そのツールはありません / 同じ結果の繰り返しを止めた文）は範囲外のまま
- **1 要求 20 枚の確かめは周の終わりの 1 回**で、`messages` を直に書き換える。一部だけ外す結果は先頭から残し、代替の
  本文の枚数を組み直す。同じ結果を 2 度絞っても一文を重ねない。外した周にだけ `tool image capped:` の 1 行
  （D8 に無かった計器）
- **送り直しの拒否は 400 と `ImagesRejected`** — OpenAI 互換の口では、ツール結果の WebP も Spec 23 の JPEG フォールバックを
  通り、2 回とも 400 なら `ImagesRejected` で返る。送り直した後のターンでは、**新しいツール結果の画像も載せずに**
  本文へ一文（同じ 400 を毎周踏まない）。打ち切りが立っていたら送り直さない。**まとめ呼び出し**（ツール上限・
  繰り返しで打ち切った後の 1 回）も同じ送り直しを通す — 最後の周に返った画像を初めて運ぶ呼び出しになりうる
- **表示の 1 行の形は「（画像 1 枚: JPEG 21 KB）」**（複数なら「、」でつなぐ）。D8 の「（画像 N 枚・{形式}・{大きさ}）」を、
  枚数ごとに形式と大きさが違いうる形へ寄せた

**テスト**: 単体 = `tool_image` 14 本（2 経路・透明の白・縮める寸法・展開の上限・GIF / 判別不能 / 壊れた base64・
注記の言語・20 枚の絞り方・送り直しの外し方・表示の 1 行）+ `mcp` の結果の組み立て 9 本（うち 4 本を新設、
既存の `non_text_blocks_are_reported_rather_than_dropped` は画像ではなく**音声**で留め直した — 画像は扱える側へ移ったので、
「テキスト以外」の注記を留めるには音声が要る）。結合 = `tests/tool_image_results.rs` 6 本（ツール結果に載る / 本文だけの
ツールの欄が増えない / 400 で外して送り直し・次の周は最初から載せない / 画像が違えば繰り返しではない / その対照 /
20 枚）+ `tests/tool_image_log.rs` 1 本（計器 3 つと、本文だけのツールの行に `images=` が無い負の対照）。

**変異 9 回とも予測どおり**（赤になる本を先に書いてから回した。戻しは控えから写して SHA-256 で確認）:

| | 変異 | 赤 |
|---|---|---|
| M1 | 1 要求 20 枚の絞りを外す | 20 枚の 1 本 |
| M2 | RepeatGuard が画像の要約値を比べない | 画像が違えば繰り返しではない、の 1 本 |
| M3 | 400 の送り直しをしない | 送り直しの結合 1 本 + 計器の 1 本 |
| M4 | 送り直した後も新しい画像を載せる | 送り直しの結合 1 本 |
| M5 | `images=` を常に書く | 計器の 1 本（負の対照） |
| M6 | MCP の画像を Spec 70 の前の注記へ戻す | `mcp` の 4 本 |
| M7 | PNG をそのまま送る | 透明を白で塗る 1 本 |
| M8 | 展開の上限を外す | 展開の上限の 1 本 |
| M9 | 透明を白で塗らない | 透明を白で塗る 1 本 |

M7 と M9 が同じ 1 本で赤になるのは、その本が「JPEG へ再エンコードした」と「左上の画素が白」の両方を見ているから。

ワークスペース全体で 1,428 本通過・失敗 0（77 バイナリ）・clippy 0。

### P2 — 各ワイヤ（**完了 2026-10-25**。下の「P2 実装記録」）

- [x] Anthropic — `tool_result` の `content` を画像とテキストのブロック列に
- [x] Gemini — `functionResponse.parts` に `inlineData`
- [x] Responses 4 社 — `function_call_output.output` を `input_text` + `input_image` の列に（共有の `responses_input.rs` の 1 箇所）
- [x] OpenAI 互換 — `role: "tool"` は本文だけ、画像は直後の利用者の発話（本文は `attachment_caption`）
- [x] 7 ワイヤの置き場の表をテストで凍結し、変異で赤を確かめる

### P2 実装記録（2026-10-25）

**これで画像がワイヤへ出る。** P1 の「P2 まで版を出さない」はここで解けた。

**入れたもの**:

- `llm/wire.rs` — `AnthropicToolResultContent`（素の文字列かブロック列。untagged）と `AnthropicToolResultBlock`
  （テキスト / 画像。`cache_control` を持たせない — 境界は `tool_result` ブロック自身に打つ）/
  `GeminiFunctionResponse.parts`（空なら欄ごと出さない）/ Responses の `function_call_output.output` を `ResponsesContent` へ
- `llm/anthropic.rs` — `tool_result_content`（画像 → テキストの並び。キャッシュの概算は中のテキストだけを数える）
- `llm/gemini.rs` — ツール結果の `functionResponse` に `parts`
- `llm/responses_input.rs` — `encode_tool_output`（テキスト → 画像の並び。part は利用者の発話と同じ `part_for`）。
  4 社が共有するので 1 箇所で済んだ
- `llm/openai_compat.rs` — `encode_messages`（運び台を続けて並ぶツール結果の後ろへまとめる）と `tool_image_message`

**実装で決めたこと**:

- **`Provider` の述語は置かなかった**（D1 は「述語 1 実装と adapter の一致をテストで留める」と書いていた）。
  `Provider::carries` は送信の入口が実行時に読むが、ツール結果の置き場は adapter が決めて終わりで、実行時に表を
  読む者が居ない。述語を置くとテストだけが読む 2 つ目の写しになる。表は `tests/tool_image_placement.rs` が逐語で
  凍結し、7 ワイヤの adapter の組み立てから置き場を読み取って突き合わせる（見るのは「画像を載せたとき発話の列が
  1 つ伸びるか」の 1 点。型名は社ごとに違うので、形はそれぞれの単体が持つ）
- **並びは P0 で通った形のまま** — Anthropic は画像 → テキスト、Responses はテキスト → 画像。社ごとに逆だが、
  どちらも P0 の撃ち方そのもので、逆の並びは測っていない
- **OpenAI 互換の運び台は、続けて並ぶツール結果の後ろへまとめて置く** — 1 つの assistant が複数のツールを
  呼んだ周で、`role: "tool"` の並びの途中に利用者の発話を挟まない（OpenAI の規則は「`tool_calls` の後には
  各呼び出しへの `tool` の発話が続く」。挟んだ形は測っていない — 並びを保つ側へ倒した）。周をまたいでは
  追記にしかならないので、前方一致は切れない（D3）
- **代替の本文が無ければ画像だけを送る** — adapter は文を書かない（#149）。ターンの層は画像を載せるとき必ず
  本文を組むので、実運用で本文の無い運び台は出ない
- **運ぶのは画像の種別だけ** — ツール結果の `attachments` に他の種別は載らない（凍結 1）が、adapter でも
  画像に絞った（最後の砦）
- **互換の口の WebP は Spec 23 の JPEG フォールバックを通る**（`with_jpeg_attachments` は全発話の添付を見る）。
  2 回とも 400 なら `ImagesRejected` で、ターンの層が画像を外して送り直す（P1）
- **Gemini 2.5 系は `functionResponse.parts` を測っていない**（P0 は 3.5-flash-lite と 3.8-flash）。受けないモデルが
  400 を返せば D5 の送り直しが受ける
- 誤りを 1 つ回収 — `responses_input.rs` の doc が `function_call_output.output` を「string 限定」と書いていた。
  列を送ったことが無かっただけで、P0 で 4 社とも列を受けた

**テスト**: 単体 10 本（Anthropic 2 / Gemini 2 / OpenAI 互換 4 / Responses 2。どれも「画像を載せた形」と「画像の
無い結果が Spec 70 の前と同じ形」の対）+ 結合 `tests/tool_image_placement.rs` 2 本（7 ワイヤの置き場の表 / 画像の
無い結果は 7 ワイヤとも文字列）。既存の llm の単体 171 本は無改変で通った（画像の無いツール結果のバイト列は不変）。

**変異 9 回とも予測どおり**（赤になる本を先に書いてから回した。戻しは SHA-256 で確認）:

| | 変異 | 赤 |
|---|---|---|
| N1 | Anthropic が画像を落とす | Anthropic の単体 1 本 + 表の 1 本 |
| N2 | Gemini が画像を落とす | Gemini の単体 1 本 + 表の 1 本 |
| N3 | Responses が画像を落とす | Responses の単体 1 本 + 表の 1 本 |
| N4 | 互換が運び台をツール結果の並びの途中へ置く | 互換の単体 1 本（2 つのツールを呼んだ周） |
| N5 | 互換が運び台を出さない | 互換の単体 3 本 + 表の 1 本 |
| N6 | Anthropic がテキストを画像より前に置く | Anthropic の単体 1 本 |
| N7 | 互換が代替の本文を落とす | 互換の単体 1 本 + 表の 1 本 |
| N8 | Responses が画像の無い結果も列にする | Responses の単体 1 本 + 既存の xAI・OpenAI Responses の単体 2 本 + 「画像の無い結果は文字列」の 1 本 |
| N9 | Gemini が画像の無い結果にも `parts` を出す | Gemini の単体 1 本 + 「画像の無い結果は文字列」の 1 本 |

N4 を留めるのは 2 つのツールを呼んだ周の 1 本だけ — 表のテストはツールを 1 つしか呼ばないので、並びの途中か後ろかを区別しない。

ワークスペース全体で 1,440 本通過・失敗 0（78 バイナリ）・clippy 0。

### P3 — 台帳（**完了 2026-10-25**）

- [x] DETAIL 3 言語 — 節「MCP のツール結果の画像」（リモート MCP の OAuth の節の次）とディレクトリ木の `tool_image.rs`
- [x] PRIVACY 日英 — 4-1 の送るもの・4-3 の MCP サーバー・4-4 の Jev が送らないもの・6 の記録しないもの・最終更新日
- [x] README 3 言語 — 行は足さず、既存の MCP の行に 1 句（170 / 170 / 166 行のまま）
- [x] 追従漏れの回収

### P3 台帳記録（2026-10-25）

- **DETAIL** — 日英は同じ構成（対象・形式・落とした画像・1 要求 20 枚・寿命・置き場の表・画像を読めないモデル・
  繰り返しの検出・画面・ログ・Jev・外へ出るもの）。中国語は抄訳の 1 節。D5 が求めた「画像を読めないモデルの個体では、
  画像が無いと答えるか、中身を捏造することがある」は、**画像を返すツールは画像を読めるモデルの個体に持たせる**という
  次の手と一緒に書いた
- **PRIVACY** — D9 の 1 行に加えて 3 箇所。4-3 に「画像はそのツールを呼んだエージェントのモデルの提供事業者へ送られ、
  本アプリは保存しない」、4-4 に「Jev へは画像を送らない」、6 に「画像は記録しない（枚数と渡せなかった理由だけ）」。
  **送信先は増えていない**（既に送っている提供事業者へ、送るものが 1 種類増えた）ので、要旨の「外部へ通信するのは
  2 つだけ」は変えていない
- **README** — 入口で読めるべき側と判断した（Spec 59 / 63 / 67 と同じ — 外へ送るものが変わる）。ただし行は足さず、
  MCP の行に「ツールが返した画像はサーヴァントのモデルが見る・提供事業者へ送られる」の 1 句
- **追従漏れを 1 件回収** — `data_contract.yaml` の Meta Responses の節と Spec 37 が
  「`function_call_output.output` は **string のみ**・型を緩めると 3 社で割れる」と書いていた。Spec 37 の P0 で拒否
  されたのは **object** で、配列は撃っていなかった。Spec 70 の P0 で配列は Meta を含む 4 社とも通っている。
  どちらにも、その場に訂正を書き足した（`responses_input.rs` の doc は P2 で直した）
- ランディングページ（リポジトリの外）は MCP の機能を列挙していないので触っていない

### P4 — 実機（NIK のライブビュー）

**前提**: NIK を `agent_9`（ミュゼ）の個別 MCP に `type: "http"` で繋いである（`127.0.0.1:47321/mcp`）。
**比べる元の行**は 2026-10-24 21:11 の `tool: agent=agent_9 round=1 name=nik__live_view_image ok=true … body_chars=87`
（Spec 70 の前。画像は「扱えません」の注記に置き換わり、`images=` は無い）。判定はすべて `fuseforks.log` の行で読む。
**依頼文は全項目で同じ**:「NIK のライブビューを 1 枚撮って、写っているものを 1 文で説明して」。テンプレートの切り替えは
ミュゼの設定ダイアログで行い、終わったら `muse-spark-latest` へ戻す。

- [x] 準備 — 配布版が動いていないこと / 開発ビルドの起動行が `version: app=0.1.0 profile=debug`（#150）/ NIK でカメラと
  ライブビューが付いていて、`live_view_image` が NIK の設定で入っている（呼ぶたびに NIK が許可を求める）
- [x] 検収 1 Meta（`muse-spark-latest`）— `tool: … name=nik__live_view_image ok=true … images=1` と `turn: … backend=meta-responses stop=-`。
  `tool image dropped:` / `tool image fallback:` は出ない。答えがカメラの映っているものと合う（利用者が見比べる）
- [x] 検収 2 Anthropic（`claude_sonnet`）— 同じ行で `backend=anthropic`
- [x] 検収 3 Gemini（`gemini-3.8-flash`）— 同じ行で `backend=gemini`
- [x] 検収 4 OpenAI Responses（`gpt-6-sol`）— 同じ行で `backend=openai-responses`
- [x] 検収 5 OpenAI 互換＝代替（任意。テンプレートを 1 つ足す — プロトコル「OpenAI 互換」・baseUrl
  `https://generativelanguage.googleapis.com/v1beta/openai`・モデル `gemini-3.5-flash-lite`・鍵は Gemini の鍵）—
  **この接続先はツール結果の中の画像を 400 で断る**（P0）ので、代替の経路を判別できる。`images=1` / `backend=openai-compat` /
  **`tool image fallback:` も `attachment fallback:` も出ない** / 答えが映っているものと合う
- [x] 検収 6 画像を読めないモデル（`perplexity` = `perplexity/deepseek-v4-pro-0813`）— `tool image fallback: agent=agent_9
  model=perplexity/deepseek-v4-pro-0813 removed=1 outcome=ok` が 1 本、`turn: … stop=-`（ターンが落ちない = Goal 4）。
  答えは画像を見られなかった旨になる
- [x] 検収 7 画面 — 検収 1 のツール行を開くと、出力の後ろに「（画像 1 枚: JPEG … KB）」の 1 行。画像そのものは出ない

**負の対照は同じ走行に入る** — ミュゼが先に `nik__camera_status` などを呼べば、その `tool:` 行には `images=` が無い（Goal 2）。

**実機では判定にならないもの**（結合テストが留める）: RepeatGuard（NIK の本文の JSON は `seq` を持ちフレームごとに
変わるので、本文だけで既に別の結果になる — 画像の要約値を見ているかを実機では区別できない）/ 1 要求 20 枚（21 回の
許可が要る）/ 落とした画像（NIK は上限の内側の JPEG を返す）。

### P4 実機記録（2026-10-25。利用者・NIK のライブビュー・ミュゼ = `agent_9`）

**7 項目すべてを `fuseforks.log` の行で観測した。** ビルドは開発ビルドではなく**このリポジトリから作ったリリースビルド**
（起動行 `version: app=0.1.0 profile=release`。インストール版なら `app=0.6.2` なので、#150 の取り違えではない。
`images=` の欄は P1 以降、画像をワイヤへ出すのは P2 以降にしか無い）。

| 項目 | 時刻 | テンプレート | `tool:` 行 | `turn:` 行 | 2 周目の入力の増え方 |
|---|---|---|---|---|---|
| 1 Meta | 03:03:29 | `muse-spark-latest` | `images=1`・`body_chars=56` | `backend=meta-responses stop=-` | +450 |
| 2 Anthropic | 03:06:59 | `claude_sonnet` | `images=1` | `backend=anthropic stop=-` | +456（`cache_write=458`） |
| 3 Gemini | 03:08:08 | `gemini-3.8-flash` | `images=1` | `backend=gemini stop=-` | +1,407 |
| 4 OpenAI Responses | 03:09:27 | `gpt-6-sol` | `images=1` | `backend=openai-responses stop=-` | +390 |
| 5 OpenAI 互換 | 03:16:51 | `gemini-3.8-flash` をプロトコル「OpenAI 互換」へ | `images=1` | `backend=openai-compat stop=-` | +1,228 |
| 6 画像を読めない | 03:20:46 | `perplexity`（deepseek-v4-pro） | `images=1` | `backend=perplexity-responses stop=-` | **+76**（画像を外した） |

- **画像がモデルに届いた証拠は 2 周目の入力の増え方。** ツール結果の本文は 56〜57 字で、文字だけなら数十トークンしか
  増えない。1〜5 は 390〜1,407 増え、画像を外した 6 だけが +76。接続先ごとの差は画像の数え方の差（Gemini が最も多い）
- **項目 1〜5 で `tool image dropped:` / `tool image fallback:` / `attachment fallback:` / `llm retry` / `turn failed` は 0 本。**
  項目 5 は `handoff:` も無い（下の 1 回目と区別する）
- **項目 6** — `llm retry stop: … status=400 class=client_error code=invalid_request` の直後に
  `tool image fallback: agent=agent_9 model=perplexity/deepseek-v4-pro-0813 removed=1 outcome=ok` が 1 本。400 は HTTP の層では
  再試行せず（Spec 52 の分類どおり）、ターンの層が画像を外して 1 回送り直した。ターンは `stop=-` で終わり、答えは
  「画像の取得は成功したが、このモデルには渡せず中身を確認できない」と正直に書いた（Goal 4）
- **項目 7** — 項目 5 のツール行を開くと、入力 `{}`（2 字）と、出力の本文の後ろに「（画像 1 枚: JPEG 19 KB）」。表示の字数
  「出力（78 字）」は本文 57 + 改行 1 + その 1 行 20 と一致。画像そのものは出ない
- **比べる元の行との差** — 10-24 21:11 は `body_chars=87`・`images=` 無し。今回は `body_chars=56`・`images=1`。縮んだ
  31 字はおおむね「扱えません」の注記（30 字 + 改行）の分（`seq` の桁は回ごとに違うので 1 字単位では比べない）
- **答えの照合は利用者**（画像の中身は Neo には見えない）。項目 1〜4 はミュゼの履歴が 8〜16 往復ぶん残った状態で、
  前の回の説明が履歴にあった。画像が届いた根拠は上の 2 つ（`images=1` と入力の増え方）で、履歴に依らない。項目 5 は
  **履歴に無い新しい場面**を説明したので、画像を見て答えたと読める

**検収 5 の 1 回目は成立していなかった**（03:13）。使ったのは `Qwen3-VL-30B-A3B-Instruct`（sakura）のテンプレートで、
**「ツールを使う」がオフ**（P0 で、sakura のサーバー側がこのモデルでツールを受けない設定と分かっていた）。ミュゼは NIK を
呼ばず、ツール非対応の経路どおり最初の接続先のルナへ渡した（`handoff: agent=agent_9 to=agent_8`。入力は 6,862 で
ツールの定義を送っていない）。画面では答えが返っていたので取れたように見えたが、履歴に前の回の説明が 16 往復ぶん
残っており、**画像を見ずに説明を書けた**。**一般化: 実機の確認で答えの中身を照合するときは、同じ答えを履歴から
書ける状態かを先に数える。**`images=1` の行と入力の増え方のように、履歴に依らない証拠をログで取る

**ずれと残り**:

- 項目 5 は計画の `…/v1beta/openai` + `gemini-3.5-flash-lite` ではなく、既存の `gemini-3.8-flash` のプロトコルを
  「OpenAI 互換」へ切り替え、baseUrl は `…/v1beta` のまま（`/openai` 無しでも応答は返った）。P0 で「ツール結果の中の
  画像を 400 で断る」と測ったのは前者の組み合わせなので、**この組み合わせで中に置いたら断られるかは測っていない**。
  確かめたのは「OpenAI 互換では直後の発話の画像をモデルが読める」こと
- **負の対照（画像を返さないツールの行に `images=` が無い）はこの走行に無かった**（呼ばれたツールは
  `nik__live_view_image` だけ）。結合テスト `tool_image_log.rs` が留めている
- 走行の後に、ミュゼのテンプレートを `muse-spark-latest` へ、`gemini-3.8-flash` のプロトコルを Gemini（ネイティブ）へ戻す
  （利用者）

## 未決

なし（D1 の表は P0 の実測で埋める）

## Notes

### 1. P0 で見つけた別件（本 Spec の範囲外）

- **gpt-6 系は OpenAI 互換の口でツールを使えない。** Fuseforks の `openai_compat.rs` は、ツールを送る周に gpt-5 以降へ
  `reasoning_effort: "none"` を送る（`failures.md` #77）が、gpt-6.1-sol は `none` を受けない。この村の gpt-6-sol は
  Responses のワイヤなので実害は出ていないが、互換の口で gpt-6 系にツールを持たせると 400 になる
- **テンプレート `pplx-nemotron` のモデルは、Perplexity がもう受けない**（`model "perplexity/nemotron-3-ultra-550b-a55b" is not supported`）
- **`render_tool_result` の注記の 1 行が日本語固定**（英語の村にも日本語のまま入る。D6 で直す）

### 2. rev1 の査読の反映（2026-10-24。9 点 → 採用 6 / 前提を訂正して採用 1 / 範囲を広げて採用 1 / 反証 1）

| # | 指摘 | 判定 | 反映 |
|---|---|---|---|
| 1 | D2 が「すべて JPEG へ」と「上限の内側ならそのまま」を二重に定義。白で塗るのはどちらか | 採用 | D2 を「再エンコードしない / する」に割り、白で塗るのは再エンコードの経路だけ |
| 2 | 「代替」の定義が D1 と P0 記録で 2 種類 | 採用 | D1 — 設計の語は「直後の利用者の発話」だけ。P0 の「同じ発話の別ブロック」は測定の変種 |
| 3 | OpenAI 互換を一律に代替にした代償が書かれていない | 採用 | D1 の表の下に、xAI の互換の口で発話が 1 つ増えることと、Responses のワイヤならネイティブなこと |
| 4 | 利用者の添付と 2 MB の上限を共有すると、超えたときどちらを落とすか | **前提を訂正して採用** | 共有しているのは 1 枚の上限の値で、予算ではない（D2）。ただし同じ方向に実在する穴 — ターンの中で画像が積み上がり Anthropic の 1 要求 100 枚に届く — があったので D2b を新設 |
| 5 | RepeatGuard の要約値の対象が MCP の元のバイト列か再エンコード後か不明 | 採用 | D4 — 接続先へ送るバイト列 |
| 6 | Goal 4（落ちない）と Goal 1（見られる）が、200 で無視するモデルで乖離 | 採用 | Goal 1 の射程を「画像を読めるモデル」に絞り、D5 に対象外と書いた |
| 7 | 代替の発話を足すと前方一致が効かなくなる | **反証** | 代替の発話は追記で、次の周も同じバイト列で組み直されるので前方は変わらない（D3）。切れるのは D2b で古い画像を外したときだけ |
| 8 | D5 の「画像はこのモデルへ送れませんでした」も日本語固定になる | **範囲を広げて採用** | 引くと rev1 の D5 は送り直しを言語を知らない層（`LlmBackend::chat`）に置いていた（#149 の形）。置き場をターンの層へ移し、コアが足す文 5 つの書き手を D6 の表に固定 |
| 9 | 一部を落としたとき `ToolOutput` の `text` と `images` が食い違う | 採用 | D7 — `images` は送るものだけ、`text` に注記、理由は `dropped`（計器用） |