feat: image generation via ComfyUI and PDF/image upload

Zwei neue, sauber getrennte Fähigkeiten, jede in ihrem eigenen Modul:

- astra/comfyui.py: async HTTP-Client für einen lokalen ComfyUI-Server
  (z-image-turbo-Workflow), kennt nichts von der Pipeline.
- astra/documents.py: PDF-Textextraktion via pypdf, keine Netzwerkzugriffe.
- astra/tools.py: verdrahtet generate_image als natives Ollama-Tool-Call —
  Qwen 3.5 unterstützt Tools und Vision bereits nativ laut `ollama show`.

Dafür wurde astra/services.py so erweitert, dass NativeOllamaService
Ollamas native tool_calls im Streaming-Response erkennt und als
ChatCompletionChunk-Deltas an Pipecats bereits vorhandene, generische
Function-Calling-Maschinerie (_process_context/run_function_calls)
weiterreicht — die musste dafür nicht angefasst werden. trim_messages in
core.py bewahrt jetzt Tool-Roundtrips und Bild-Anhänge vollständig statt
sie auf role/content zu reduzieren.

Neuer Upload-Button im UI (Bild oder PDF, während eines laufenden
Gesprächs): PDFs gehen als Text, Bilder als Base64 über Qwens Vision in
den Gesprächskontext ein. Generierte Bilder werden über /api/media/<id>
ausgeliefert und per Datenkanal im Transkript angezeigt.

Kompletter Function-Calling-Roundtrip end-to-end gegen echtes Ollama und
echtes ComfyUI verifiziert (Modell ruft generate_image korrekt auf,
Bild wird erzeugt und im media_store abgelegt).

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01LVgSHNHdRx3UNTBodFmhRA

README.md

@@ -23,6 +23,27 @@ Die Stimme lässt sich im UI per Dropdown wählen (`/api/voices` listet alle
 26, Auswahl wird im Browser gemerkt). Jede Stimme wird beim ersten Gebrauch
 lazy geladen und danach für die Laufzeit des Prozesses gecacht.
 
+## Bilder erzeugen und Dokumente lesen
+
+Zwei zusätzliche, sauber getrennte Fähigkeiten, unabhängig von STT/LLM/TTS:
+
+- **`astra/comfyui.py`** — reiner async HTTP-Client für einen lokalen
+  [ComfyUI](https://github.com/comfyanonymous/ComfyUI)-Server
+  (`z-image-turbo`-Workflow). Kennt nichts von Pipecat.
+- **`astra/documents.py`** — PDF-Textextraktion (`pypdf`), keine
+  Netzwerkzugriffe.
+- **`astra/tools.py`** — verdrahtet `generate_image` als natives
+  Ollama-Tool. Qwen 3.5 entscheidet selbst, wann es aufgerufen wird
+  (`ollama show qwen3.5` listet `tools` als unterstützte Fähigkeit); das
+  generierte Bild landet im laufenden Gespräch als `/api/media/<id>` und
+  wird per WebRTC-Datenkanal ans UI gemeldet.
+
+Bilder (PNG/JPEG/WebP) und PDFs lassen sich während eines laufenden
+Gesprächs über den Button „Bild oder PDF hinzufügen“ hochladen
+(`POST /api/upload`). Ein PDF wird als Text in den Gesprächskontext
+eingefügt, ein Bild als Base64 mit Qwens nativer Vision-Fähigkeit — beides
+nur für die Dauer der Session, nichts wird auf Disk geschrieben.
+
 ## Starten
 
 ```bash
@@ -47,6 +68,7 @@ gezogen sein. Die Seite öffnen, Mikrofon erlauben, sprechen.
 | `ASTRA_VOICE` | `alba` |
 | `ASTRA_PORT` | `7860` |
 | `ASTRA_TAILNET_HOST` | *(leer)* — z. B. `minim4-1.tail0f2cb2.ts.net` |
+| `ASTRA_COMFYUI_URL` | `http://100.125.107.123:8000` |
 
 ## Tests