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"
  }
}

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

How are these scores calculated?

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

Enables multimodal AI capabilities through GLM-4.5V API for image processing, visual querying with OCR/QA/detection modes, and file content extraction from various formats including PDFs, documents, and images.

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
23
Python
MIT License
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 -
12
Python
MIT License
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
TypeScript
MIT License
AI Vision MCP Server
samihalawa
-
security
F
license
-
quality
Provides AI-powered visual analysis capabilities for Claude and other MCP-compatible AI assistants, allowing them to capture and analyze screenshots, perform file operations, and generate UI/UX reports.
Last updated -
1
JavaScript
ISC License

View all related MCP servers

GLM-4.5V MCP Server