Skip to main content
Glama

GLM-4.5V MCP Server

by ccw33
OverviewInspectNewSchemaRelated ServersScore
TypeScript
Hybrid
Apache 2.0

GLM-4.5V MCP Server

GLM-4.5V 多模态能力的 MCP 服务器，提供图像处理、视觉查询和文件处理功能。

功能

  • read_image: 读取本地/URL图片并返回 dataURL 与尺寸信息

  • vision_query: 调用 GLM-4.5V 对图片进行 OCR/问答/检测

  • process_file: 使用 GLM-4.5V 处理文件（上传并提取内容）

安装

npm install

配置

复制环境变量文件：

cp .env.example .env

编辑 .env 文件，填入你的 GLM API Key：

GLM_API_KEY=your_api_key_here GLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4/chat/completions

构建

npm run build

运行

npm start

或使用启动脚本：

./start-mcp.sh

开发模式

npm run dev

测试功能

创建测试文件并验证功能：

node scripts/test-file-processing.js

工具说明

read_image

读取图片并返回 base64 编码的 dataURL。

参数：

  • path (必需): 图片路径或URL

  • maxSide (可选): 最大边长，用于缩放

vision_query

使用 GLM-4.5V 分析图片。

参数：

  • path (必需): 图片路径或URL

  • prompt (必需): 查询提示词

  • mode (可选): 查询模式 ("describe", "ocr", "qa", "detect")

  • returnJson (可选): 是否返回JSON格式结果

process_file

使用 GLM-4.5V 处理文件，支持多种格式的文件上传和内容提取。

支持的文件格式：

  • 文档：PDF、DOCX、DOC、XLS、XLSX、PPT、PPTX、CSV、TXT

  • 图片：PNG、JPG、JPEG

文件大小限制：

  • 图片文件：最大 5MB

  • 其他文件：最大 50MB

参数：

  • filePath (必需): 本地文件路径

  • extractPrompt (可选): 内容提取提示词，用于指导如何提取文件内容

返回结果：

{ "ok": true, "fileId": "file-xxx", "content": "提取的文件内容...", "fileType": "PDF文档", "filename": "document.pdf", "metadata": { "uploadTime": 1234567890, "fileSize": 1024000, "processingTime": 5000 } }

使用示例

处理 PDF 文档

# 通过 MCP 调用 { "tool": "process_file", "arguments": { "filePath": "./documents/report.pdf", "extractPrompt": "请提取文档中的主要内容和关键信息" } }

处理 Excel 表格

{ "tool": "process_file", "arguments": { "filePath": "./data/sales.xlsx", "extractPrompt": "请分析表格数据并总结销售趋势" } }
Deploy Server
A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

How are these scores calculated?

Related Resources

Tools

Related MCP Servers

  • MCP Image Recognition Server

    mario-andreschak
    A
    security
    A
    license
    A
    quality
    Provides image recognition capabilities using Anthropic Claude Vision and OpenAI GPT-4 Vision APIs, supporting multiple image formats and offering optional text extraction via Tesseract OCR.
    Last updated -
    3
    32
    MIT License
    • Linux
    • Apple

  • Image Toolkit MCP Server

    Kira-Pgr
    -
    security
    A
    license
    -
    quality
    A server that provides AI-powered image generation, modification, and processing capabilities through the Model Context Protocol, leveraging Google Gemini models and other image services.
    Last updated -
    15
    MIT License
    • Linux
    • Apple

  • MCP Video Recognition Server

    mario-andreschak
    A
    security
    A
    license
    A
    quality
    Provides tools for image, audio, and video recognition using Google's Gemini AI through the Model Context Protocol.
    Last updated -
    3
    9
    MIT License
    • Linux
    • Apple

  • Universal Image Generator MCP Server

    ECNU3D
    A
    security
    A
    license
    A
    quality
    A multi-provider AI image generation server that allows users to create and transform images using Google (Imagen & Gemini), ZHIPU AI CogView-4, or Alibaba Bailian through any MCP-compatible application.
    Last updated -
    4
    2
    MIT License

View all related MCP servers

New MCP Servers

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/ccw33/Multimodel-MCP'

If you have feedback or need assistance with the MCP directory API, please join our Discord server