■ 概要（1行） LLMに動画分析能力を付与するエージェントスキルであり、動画ダウンロード、キャプション生成、フレーム抽出といった多段階の処理パイプラインを一元管理するプラットフォーム統合モジュール。 ■ 特徴・用途（2〜3行） テキスト情報だけでなく、シーン識別に基づいたキーフレーム抽出とタイムスタンプ付きトランスクリプトを同時に取得し、そのマルチモーダルデータをLLMに入力することで「動画の目撃」を実現します。これにより、競合コンテンツの分析や、画面録画からのバグ診断など、「見せ方（How）」に着目した高度なコンテキスト理解が可能になります。 ■ 結論（1行） 単なるAPIラッパーに留まらず、複数の専門ツールとLLMを連携させ、未対応領域であった動画タスクにおける「知覚能力」を拡張する、実用的なマルチモーダルエージェント設計の成功例です。