GLM Vision MCP

一个基于 TypeScript 的 MCP 服务，将视觉模型接口封装为 AI 客户端可以调用的工具。支持本地图片、远程媒体、OCR，以及视频与文件分析请求。

工程重点： stdio 协议集成、媒体输入转换、参数校验、请求超时与结构化错误返回。

flowchart LR
  Client[支持 MCP 的客户端] -->|stdio| Server[GLM Vision MCP]
  Server --> Input[本地文件或 URL]
  Server -->|HTTPS| Model[视觉模型接口]
  Model --> Server
  Server --> Client

工具

媒体类型能否被处理、输入大小及输出质量取决于所配置的模型接口。文件与视频支持尚需针对具体提供商验证。

Related MCP server: openai-vision-mcp-server

本地运行

需要 Node.js 22 或更新版本。

npm ci
npm run build
npm test

在 MCP 客户端中配置以下示例，将路径改为本机绝对路径，将 Key 放在自己的本地配置中：

{
  "mcpServers": {
    "glm-vision": {
      "command": "node",
      "args": ["/absolute/path/mcp-glm-vision/dist/index.js"],
      "env": {
        "ZHIPU_API_KEY": "your-api-key"
      }
    }
  }
}

环境变量：ZHIPU_API_KEY（必需）、GLM_MODEL、GLM_API_URL、GLM_TIMEOUT_MS。默认模型为 glm-4.6v-flash，默认超时为 120 秒。额度和价格以提供商当前说明为准。

.env 文件不会被服务自动加载。直接调试时可以使用 Node 的 --env-file：

node --env-file=.env scripts/demo.js test-assets/test.png "请描述图片"

关键实现

• src/index.ts：工具声明、请求分发与参数检查。

• src/glm.ts：本地文件转 data URL、媒体消息构造、HTTP 请求与超时处理。

• scripts/test-server.js：启动子进程，验证初始化、工具发现和缺少 Key 的错误路径。

本地文件会读取并编码后发送到模型提供商；仅应输入你有权处理的文件。本地大文件在编码后超过限制时会返回错误。当前 HTTP 超时覆盖等待响应头的阶段，尚未覆盖响应体读取全过程。

验证范围

协议冒烟测试与 TypeScript 构建不需要 API Key。示例测试图片为 1×1 像素，只用于请求链路测试，不能作为识别效果评估。真实模型输出没有包含在自动化测试结果中。

来源与署名见 SOURCE_AND_CREDITS.md。