glm-vision MCP Server

Добавьте любому AI-агенту возможность «видеть» изображения. В основе — полностью бесплатные визуальные модели рассуждений от 智谱, экспонируемые через MCP как стандартные инструменты. Любой MCP-совместимый клиент может использовать их сразу — ноль затрат на API.

💡 Гарантия бесплатности: используются только бесплатные модели из бонусной зоны 智谱 (GLM-4.6V-Flash / GLM-4.1V-Thinking-Flash / GLM-4V-Flash), никаких платных моделей — даже при длительном использовании расходов не будет.

Доступные инструменты

analyze_image(image_input, question, thinking)

Возвращает: текстовый результат анализа модели.

Возможности

• Локальные изображения автоматически считываются и передаются как сырой base64 — не нужен хостинг изображений, не нужен публичный URL

• Проверка лимита 5MB на изображение (ограничение 智谱)

• При 429 (лимит запросов) автоматическая повторная попытка с экспоненциальной паузой, 3 раза (1.5s / 3s / 4.5s)

• Если всё равно не получилось — автоматический даунгрейд: glm-4.6v-flash → glm-4.1v-thinking-flash → glm-4v-flash (все бесплатно), при даунгрейде в начале ответа будет указано, какая модель использовалась

Related MCP server: Kimi Vision MCP Server

Три шага развёртывания

1. Установка зависимостей

pip install -r requirements.txt

⚠️ Ключевая ловушка: mcp необходимо ставить версии 1.x. В последнем mcp 2.0.0 удалён встроенный модуль mcp.server.fastmcp, после установки будет сразу ImportError. Поэтому pip install "mcp<2".

⚠️ Ещё одна ловушка: не устанавливайте zai или zhipuai — на PyPI оба этих имени являются посторонними пакетами-заглушками (zai — от Zalando, у zhipuai изменено имя импорта). Этот server работает через клиент, совместимый с OpenAI, напрямую подключаясь к API 智谱 (base_url=https://open.bigmodel.cn/api/paas/v4), нужен только пакет openai.

2. Настройка API-ключа

Зарегистрируйтесь на bigmodel.cn по номеру телефона → в консоли «API Keys» создайте ключ — бесплатно.

Ключ можно задать двумя способами, приоритет у переменной окружения:

• Способ A (рекомендуется): установите переменную окружения ZHIPU_API_KEY=你的key

• Способ B: переименуйте zhipu_key.txt.example в zhipu_key.txt и впишите туда ключ (скрипт автоматически прочитает этот файл из той же директории)

3. Подключение к клиенту

В конфигурационном файле MCP клиента добавьте блок (пути замените на свои):

{
  "mcpServers": {
    "glm-vision": {
      "command": "python",
      "args": ["/绝对路径/到/glm_vision_mcp.py"],
      "env": {
        "ZHIPU_API_KEY": "你的key"
      }
    }
  }
}

Расположение конфигурационных файлов для разных клиентов:

Для command рекомендуется указывать абсолютный путь к интерпретатору Python (например, D:/python/python.exe), чтобы при запуске клиента python не терялся в PATH.

После настройки обязательно перезапустите клиент — MCP-процесс порождается только один раз при запуске клиента; ни изменение конфигурации, ни изменение кода не перезагружаются на лету.

Проверка успешности

После перезапуска клиента просто попросите агента проанализировать изображение:

Посмотри, что на этом изображении: D:\test.png

Если агент говорит, что инструмент не найден, проверьте: синтаксис JSON в конфигурационном файле, правильность абсолютного пути к скрипту, перезапускали ли вы клиент, и не требует ли клиент ручного «доверия/включения» этого server (в WorkBuddy и Cursor этот шаг есть).

Распространённые ошибки

Состав файлов