Skip to main content
Glama
kkdnn

glm-vision-mcp

by kkdnn
OverviewSchemaSourceRelated ServersDiscussionsAdmin
JavaScript
Hybrid

glm-vision-mcp

基于智谱 AI 开放平台免费视觉模型 GLM-4.6V-Flash 的 MCP server，为 AI 助手提供图像识别与 OCR 能力。

  • 图像理解（看图问答、描述、识别物体/场景）

  • OCR 文字提取（截图、票据、文档、界面文案）

  • 图片输入支持 URL、base64 data URI、本地文件路径 三种方式

  • 支持思考模式开关（thinking 参数），复杂分析可开启

工具

工具

说明

参数

analyze_image

通用图像识别/理解

image（必填）、prompt（可选，对图片的提问）、thinking（可选，默认 true）

extract_text

OCR 文字提取，按原始版式输出

image（必填）、thinking（可选，默认 false，OCR 追求速度）

image 支持三种格式：

https://example.com/photo.jpg          # 公开图片 URL
data:image/png;base64,iVBORw0...       # base64 data URI
C:\Users\me\Desktop\截图.png            # 本地文件路径（≤10MB）

Related MCP server: GLM Vision Server

一、获取免费 API Key（一次性）

  1. 打开 智谱 AI 开放平台 注册账号并完成实名认证

  2. 进入 API Keys 页面 → 点击「创建 API Key」→ 复制生成的 key（形如 xxxxx.xxxxx）

  3. GLM-4.6V-Flash 本身免费调用，新用户注册还赠送体验额度，无需充值

二、配置 API Key（Windows）

方式 A（推荐）：系统环境变量

# 在 PowerShell / CMD 执行（之后需新开终端或重启 Reasonix 才生效）
setx ZHIPU_API_KEY "你的key"

方式 B：仅当前会话

$env:ZHIPU_API_KEY = "你的key"   # PowerShell 临时设置

⚠️ 不要把 key 直接写进 .mcp.json 或 config.toml——项目已用 ${ZHIPU_API_KEY} 占位符，从环境变量读取，避免 key 落盘泄露。

三、安装与注册

npm install          # 安装依赖（仅需一次）
node src/index.js    # 手动启动（MCP 客户端会自动拉起，一般无需手动运行）

本项目已注册为 Reasonix 全局 MCP（配置在 %APPDATA%\reasonix\config.toml）， 本机所有项目都可直接使用。如需重新注册或卸载：

# 重新注册（读取 .mcp.json）
# 在 Reasonix 对话中使用 install_source 工具，source 指向本目录的 .mcp.json，scope=global

# 卸载
# install_source op=uninstall，name=glm-vision-mcp

四、使用示例

注册完成后，直接在对话里告诉 AI「看」图即可，例如：

帮我识别这张图片：C:\Users\me\Desktop\票据.png
把这张截图里的文字提取出来：https://example.com/receipt.png
这张图里有什么异常？data:image/png;base64,……

AI 会自动调用 analyze_image / extract_text 工具完成识别。

五、注意事项（免费模型限流）

GLM-4.6V-Flash 免费版在高峰期可能遇到平台过载，API 返回 HTTP 429 / 错误码 1305（该模型当前访问量过大）。处理建议：

  • 稍等 30–90 秒再重试，避免连续高频请求（平台文档明确建议）

  • 识别任务间留出间隔；并发任务可考虑排队

  • 这不是 key 或代码问题，是平台侧的临时保护

六、开发与测试

npm test              # 单元测试（图像输入处理）+ MCP 冒烟测试（不需要 key）
ZHIPU_API_KEY=xxx node test/e2e.mjs            # 端到端真实识别测试（需要 key）
ZHIPU_API_KEY=xxx node test/e2e.mjs --which=url    # 只测 extract_text(URL)
ZHIPU_API_KEY=xxx node test/e2e.mjs --which=local  # 只测 extract_text(本地路径)

项目结构

src/index.js           # MCP server 入口：注册 analyze_image / extract_text
src/zhipu.js           # 智谱 chat/completions 封装（内置 fetch、超时、中文错误）
src/image-input.js     # 图像输入统一处理（URL / data URI / 本地路径，≤10MB）
test/                  # 单元测试、冒烟测试、端到端测试
.mcp.json              # MCP 注册描述

This server cannot be deployed

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

Resources

Related MCP Connectors

Related MCP Servers

  • GLM-4.5V MCP Server

    ccw33
    A
    license
    C
    quality
    D
    maintenance
    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.
    3
    Apache 2.0

  • GLM Vision Server

    danilofalcao
    A
    license
    B
    quality
    D
    maintenance
    Enables image analysis using GLM-4.5V's vision capabilities from Z.AI. Supports analyzing both local image files and URLs with customizable prompts and parameters.
    1
    7
    MIT