GLM Vision Server

MCP服务器 GLM视觉

一个集成了Z.AI的GLM-4.5V与Claude Code的模型上下文协议（MCP）服务器。

特点/功能

• 图像分析使用GLM-4.5V的视觉能力分析图像
• 本地文件支持分析本地图像文件或URL
• 可配置的通过环境变量轻松设置

安装

先决条件

• Python 3.10 或更高版本
• 来自Z.AI的GLM API密钥
• 安装了Claude代码

设置

1. 克隆或创建项目目录：

   cd /path/to/your/project

1. 创建并激活虚拟环境：

   python3 -m venv env
   source env/bin/activate  # On Windows: env\Scripts\activate

1. 安装依赖项：

   pip install -r requirements.txt
   # or with uv (recommended)
   uv pip install -r requirements.txt

1. 设置环境变量：

   cp .env.example .env
   # Edit .env with your GLM API key from Z.AI

1. 将服务器添加到Claude代码中：

   # Using uv (recommended)
   uv run mcp install -e . --name "GLM Vision Server"

   # Or manually add to Claude Desktop configuration:
   claude mcp add-json --scope user glm-vision '{
     "type": "stdio",
     "command": "/path/to/your/project/env/bin/python",
     "args": ["/path/to/your/project/glm-vision.py"],
     "env": {"GLM_API_KEY": "your_api_key_here"}
   }'

配置

在您的环境中设置这些环境变量 .env 文件：

使用方法

可用工具

glm-vision

使用GLM-4.5V的视觉能力分析图像文件。支持本地文件和URL。

参数：

• image_path （必需）：要分析的图像的本地文件路径或URL
• prompt （必填）：关于图片要询问的内容
• temperature （可选）：响应随机性（0.0-1.0，默认值：0.7）
• thinking （可选）：启用思考模式以查看模型的推理过程（默认：false）
• max_tokens （可选）：响应中的最大标记数（最多64K，默认值：2048）

示例：

Use the glm-vison tool with:
- image_path: "/path/to/your/image.jpg"
- prompt: "Describe what you see in this image"

测试

使用MCP Inspector测试服务器：

# With uv
uv run python glm-vision.py

# Or with python
python glm-vision.py

发展

运行测试

# Install development dependencies
pip install -e ".[dev]"

# Run tests
pytest

# Format code
black .
isort .

# Type checking
mypy glm-vision.py

故障排除

1. API密钥问题确保你的 GLM_API_KEY 在环境中已正确设置
2. 连接问题检查您的互联网连接和API终端
3. 模型错误验证模型名称（GLM_MODEL) 是正确且可用的

许可证

MIT 许可证 - 详情请参阅 LICENSE 文件。

做出贡献

1. 为仓库创建分支（或“克隆仓库”）
2. 创建一个特性分支
3. 做出你的更改
4. 如适用，请添加测试
5. 提交一个拉取请求

支持

对于与GLM API相关的问题，请联系Z.AI支持。 对于MCP服务器问题，请在仓库中创建一个问题。