Back to MCP directory
publicPublicdnsLocal runtime

mcp-server-glm-vision

一个集成GLM-4.5V视觉能力的MCP服务器,支持本地图片和URL分析,通过Claude Code提供图像分析功能

article

README

🚀 MCP Server GLM Vision

MCP Server GLM Vision 是一个模型上下文协议(MCP)服务器,它将智谱 AI 的 GLM - 4.5V 与 Claude Code 集成在一起。通过该服务器,用户能够借助 GLM - 4.5V 的视觉能力对图像进行分析,为图像分析场景提供了强大的支持。

✨ 主要特性

  • 图像分析:利用 GLM - 4.5V 的视觉能力对图像进行分析。
  • 本地文件支持:可分析本地图像文件或图像 URL。
  • 可配置性:通过环境变量即可轻松完成设置。

📦 安装指南

前提条件

  • Python 3.10 或更高版本
  • 从智谱 AI 获取的 GLM API 密钥
  • 已安装 Claude Code

安装步骤

  1. 克隆或创建项目目录
cd /path/to/your/project
  1. 创建并激活虚拟环境
python3 -m venv env
source env/bin/activate  # 在 Windows 上使用:env\Scripts\activate
  1. 安装依赖项
pip install -r requirements.txt
# 或者使用 uv(推荐)
uv pip install -r requirements.txt
  1. 设置环境变量
cp .env.example .env
# 使用你从智谱 AI 获取的 GLM API 密钥编辑 .env 文件
  1. 将服务器添加到 Claude Code
# 使用 uv(推荐)
uv run mcp install -e . --name "GLM Vision Server"

# 或者手动添加到 Claude Desktop 配置中:
claude mcp add-json --scope user glm-vision '{
  "type": "stdio",
  "command": "/path/to/your/project/env/bin/python",
  "args": ["/path/to/your/project/glm-vision.py"],
  "env": {"GLM_API_KEY": "your_api_key_here"}
}'

📚 详细文档

配置

在你的 .env 文件中设置以下环境变量:

| 变量 | 描述 | 默认值 | |------|------|---------| | GLM_API_KEY | 你从智谱 AI 获取的 GLM API 密钥 | (必需) | | GLM_API_BASE | GLM API 的基础 URL | https://api.z.ai/api/paas/v4 | | GLM_MODEL | 要使用的模型名称 | glm-4.5v |

💻 使用示例

可用工具

glm-vision

使用 GLM - 4.5V 的视觉能力分析图像文件。支持本地文件和 URL。

参数

  • image_path(必需):要分析的图像的本地文件路径或 URL。
  • prompt(必需):针对图像提出的问题。
  • temperature(可选):响应的随机性(0.0 - 1.0,默认值:0.7)。
  • thinking(可选):启用思考模式以查看模型的推理过程(默认值:false)。
  • max_tokens(可选):响应中的最大令牌数(最大 64K,默认值:2048)。

示例

使用 glm-vision 工具,参数如下:
- image_path: "/path/to/your/image.jpg"
- prompt: "Describe what you see in this image"

测试

使用 MCP Inspector 测试服务器:

# 使用 uv
uv run python glm-vision.py

# 或者使用 python
python glm-vision.py

🔧 技术细节

运行测试

# 安装开发依赖项
pip install -e ".[dev]"

# 运行测试
pytest

# 格式化代码
black .
isort .

# 类型检查
mypy glm-vision.py

故障排除

  1. API 密钥问题:确保你的 GLM_API_KEY 已正确设置在环境变量中。
  2. 连接问题:检查你的互联网连接和 API 端点。
  3. 模型错误:验证模型名称(GLM_MODEL)是否正确且可用。

📄 许可证

本项目采用 MIT 许可证,详情请参阅 LICENSE 文件。

贡献说明

  1. 分叉该仓库。
  2. 创建一个功能分支。
  3. 进行修改。
  4. 如有必要,添加测试。
  5. 提交拉取请求。

支持

  • 若遇到与 GLM API 相关的问题,请联系智谱 AI 支持团队。
  • 若遇到 MCP 服务器相关的问题,请在仓库中创建一个问题。
help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client