analyze_photos

하는 일

선명도, 노출, 구도에 점수를 매기고, 중복을 감지하고, 사진을 keep, trash, culled(미정)로 분류해요. 선택 사항인 임계값은 0.0에서 1.0 사이예요. keep_threshold 이상의 점수를 받은 사진은 keep이 되고, trash_threshold 이하는 trash가 돼요. 둘 다 지정하지 않으면 사용자가 설정한 기본값을 써요. 큰 라이브러리에서는 시간이 걸릴 수 있고, 더 무거운 AI 모델은 설치되지 않았으면 자동으로 건너뛰어요. 분석 통계와 상태별 라이브러리 개수를 돌려줘요. 대기 중인 사진만 점수를 매겨요. 이미 분석한 사진은 이후에 점수 매기는 방식이 나아졌더라도 저장된 점수를 유지해요. 그런 사진에는 reanalyze_stale_photos를 쓰세요. smart_rank(기본값 false, 실험적)는 빠른 셀렉 뒤에 두 번째 패스를 추가해요. 이미지 이해 모델이 분석된 사진 중 남길 만한 것과 스냅(표지판, 주차된 차, 바닥)을 평가하고, 이를 바탕으로 라이브러리 전체의 순위를 다시 매겨요. 이전에 분석한 사진의 순위도 다시 매기므로, 대기 중인 사진이 없어도 단독으로 쓸 수 있어요. 속도보다 더 나은 상위 사진을 원할 때만 켜세요. 이 컴퓨터에서 사진 검색을 써 본 적이 없다면 약 600 MB를 한 번 내려받아야 하고, 사진 1,000 장당 대략 이 분이 더 걸려요. 분석을 다시 실행하지 않고, 수동으로 정한 keep/trash 결정은 바꾸지 않으며, 실패하거나 쓸 수 없을 때는 빠른 셀렉의 결과가 그대로 남아요. 응답에는 예상치, 상태, 개수가 담긴 smart_rank 블록이 들어 있어요. 원격에서는 scan_directory처럼 호출 제한 시간을 넘기면 백그라운드 작업으로 넘어가고, 돌려받은 job_id로 get_job_status를 폴링하세요.

매개변수

요청하는 방법

이 도구를 이름으로 호출하지는 않아요. 원하는 것을 말하면 에이전트가 도구를 골라요:

D:/Shoots/eva_tom의 웨딩 촬영분을 셀렉하고, 가장 좋은 프레임을 남기고, 무엇을 뺐는지 알려 줘.

나머지 셀렉 도구

이 도구를 쓰는 워크플로

• AI로 웨딩 촬영분 셀렉하기 — AI 웨딩 사진 셀렉
• 중복 사진과 거의 같은 사진 찾기 — 중복 사진 자동으로 찾기
• 사진에 자동으로 점수 매기고 순위 정하기 — 사진 품질 자동 점수

실행되는 곳

내 컴퓨터에서요. imagic의 MCP 서버는 AI 클라이언트가 시작하는 로컬 프로세스라서, 사진이 디스크 밖으로 나가지 않고 업로드되는 것도 없어요. 이 도구를 포함해 레퍼런스의 모든 도구가 마찬가지예요.

호출하려면 imagic에 연결된 MCP 클라이언트가 필요해요. Claude Code, Cursor, VS Code, Codex, Gemini CLI와 그 밖의 열 개 클라이언트는 설정에 약 삼 분이 걸려요.