Skip to main content
Glama
Sign In
glm4v-vision-mcp

glm4v-vision-mcp

by dqtx760
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript
Local

GLM-4V Flash MCP Server

基于智谱 AI GLM-4V Flash 模型的图片识别 MCP (Model Context Protocol) 服务器。

✨ 功能

  • 图片分析 (analyze_image) - 使用自然语言分析图片内容

  • 文字提取 (extract_text) - OCR 功能，支持中英文

  • 图片描述 (describe_image) - 生成图片描述，支持多种风格

Related MCP server: image-mcp

📦 安装

前置要求

快速开始

# 1. 克隆仓库
git clone https://github.com/GLM-4V-Flash-MCP/glm-4v-flash-mcp.git
cd glm-4v-flash-mcp

# 2. 安装依赖
npm install

# 3. 设置 API Key
export ZHIPU_API_KEY="your-api-key-here"

# 4. 运行服务器
npm start

🔧 配置

集成到 Claude Code

在 ~/.claude/settings.json 中添加：

{
  "mcpServers": {
    "glm-4v-flash": {
      "command": "node",
      "args": ["/path/to/server.js"],
      "env": {
        "ZHIPU_API_KEY": "${ZHIPU_API_KEY}"
      },
      "workingDirectory": "/path/to"
    }
  }
}

集成到 VS Code

在 .vscode/settings.json 中添加：

{
  "mcpServers": {
    "glm-4v-flash": {
      "command": "node",
      "args": ["server.js"],
      "env": {
        "ZHIPU_API_KEY": "${env:ZHIPU_API_KEY}"
      }
    }
  }
}

集成到其他 MCP 客户端

在 .mcp/mcp.json 中配置（已包含在项目中）：

{
  "mcpServers": {
    "glm-4v-flash": {
      "command": "node",
      "args": ["server.js"],
      "env": {
        "ZHIPU_API_KEY": "${ZHIPU_API_KEY}"
      },
      "cwd": "${ZHIPU_MCP_DIR}"
    }
  }
}

使用前设置环境变量：

export ZHIPU_API_KEY="your-api-key-here"
export ZHIPU_MCP_DIR="/path/to/glm-4v-flash-mcp"

🛠️ 工具说明

analyze_image

分析图片内容，支持自定义提示词。

参数：

  • image_path (必填): 图片文件路径

  • prompt (可选): 分析提示词

示例：

{
  "name": "analyze_image",
  "arguments": {
    "image_path": "/path/to/image.jpg",
    "prompt": "描述图片中的场景和人物"
  }
}

extract_text

从图片中提取文字（OCR）。

参数：

  • image_path (必填): 图片文件路径

  • language (可选): 文字语言，可选 chinese、english、auto

示例：

{
  "name": "extract_text",
  "arguments": {
    "image_path": "/path/to/image.png",
    "language": "chinese"
  }
}

describe_image

生成图片的详细描述。

参数：

  • image_path (必填): 图片文件路径

  • style (可选): 描述风格，可选 detailed、concise、poetic、technical

示例：

{
  "name": "describe_image",
  "arguments": {
    "image_path": "/path/to/image.jpg",
    "style": "detailed"
  }
}

📋 支持的图片格式

  • PNG

  • JPG / JPEG

  • WebP

  • GIF

  • BMP

🔒 环境变量

变量名

说明

必需

ZHIPU_API_KEY

智谱 AI API Key

是

🚀 开发

# 安装依赖
npm install

# 开发模式（自动重载）
npm run dev

# 运行测试
npm test

📄 许可证

MIT License - 详见 LICENSE 文件

🔗 相关链接

关于作者

大强同学 — 科技博主，也是一名github开源作者，非科班出身，以实践驱动开发，践行Build in Public成长理念，深耕 Windows效率生态，擅长将AI Agent从构想转化为可落地的实用方案，我坚信AI与智能体将重塑个人做事方式，愿以自身技术积累，助力个体把握智能时代机遇，高效提升自身创作、办公与成长效率。

平台

链接

🌐 官网

dqtx.cc ai.dqtx.cc os.dqtx.cc

𝕏 Twitter

@Derek Zhao

📺 B站

大强同学_

▶️ YouTube

@Derek Zhao

💬 公众号

微信搜「大强同学」或扫码关注 ↓

大强同学

Available Tools

3 tools
analyze_imageC

使用 GLM-4V Flash 分析图片内容，支持中文和英文描述

Inputs: image_path (required), prompt.

describe_imageA

生成图片的详细描述，用于图像标注或 Accessibility

Inputs: image_path (required), style.

extract_textB

从图片中提取文字（OCR 功能）

Inputs: image_path (required), language.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Deploy Server
    One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

    TDQS

    B3.4/5.0

    Scored across 3 tools

    Disambiguation2/5

    describe_image and analyze_image have overlapping purposes—both generate descriptions of image content, making it unclear which to use. extract_text is distinct, but the boundary between the other two is ambiguous.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun pattern (describe_image, analyze_image, extract_text) using snake_case. No stylistic deviations.

    Tool Count5/5

    With 3 tools, the server is well-scoped for a vision-focused MCP. Each tool addresses a core image understanding task without unnecessary bloat.

    Completeness4/5

    The toolset covers basic image description, analysis, and OCR, which are the primary vision tasks. Minor gaps exist (e.g., no image comparison or specific object detection), but the core surface is complete.

    Maintenance

    ActivityNo data
    ResponsivenessOutdated data

    Resources

    Related MCP Connectors

    Related MCP Servers