README.md•2.48 kB
# 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
```bash
npm install
```
## 配置
复制环境变量文件：
```bash
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
```bash
npm run build
```
## 运行
```bash
npm start
```
或使用启动脚本：
```bash
./start-mcp.sh
```
## 开发模式
```bash
npm run dev
```
## 测试功能
创建测试文件并验证功能：
```bash
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：
```json
{
"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
```bash
# 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
```bash
{
"tool": "process_file",
"arguments": {
"filePath": "./data/sales.xlsx",
"extractPrompt": "请分析表格数据并总结销售趋势"
}
}
```