MCP Server GLM Vision

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

特性

• 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：通过环境变量轻松设置。

安装

预备条件

• Python 3.10 或更高版本
• Z.AI 的 GLM API 密钥
• 已安装的 Claude Code

设置

1. 克隆或创建项目目录：

   cd /path/to/your/project
   

2. 创建并激活虚拟环境：

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

3. 安装依赖项：

   pip install -r requirements.txt
   # 或者使用 uv（推荐）
   uv pip install -r requirements.txt
   

4. 设置环境变量：

   cp .env.example .env
   # 使用你的 Z.AI GLM API 密钥编辑 .env 文件
   

5. 将服务器添加到 Claude Code 中：

   # 使用 uv（推荐）
   uv run mcp install -e . --name "GLM Vision Server"
   
   # 或者手动添加到 Claude Desktop 配置中：
   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

在你的 .env 文件中设置这些环境变量：

变量	描述	默认值
GLM_API_KEY	你的 Z.AI GLM API 密钥	（必需）
GLM_API_BASE	GLM API 基础 URL	https://api.z.ai/api/paas/v4
GLM_MODEL	要使用的模型名称	glm-4.5v

使用

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（必需）：关于图像的问题
• temperature（可选）：响应随机性（0.0-1.0，默认：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（最大64K，默认：2048）

示例：

使用 glm-vision 工具：
- image_path: "/path/to/your/image.jpg"
- prompt: "描述你在图像中看到的内容"

测试

使用 MCP Inspector 测试服务器：

# 使用 uv
uv run python glm-vision.py

# 或者使用 python
python glm-vision.py

开发

运行测试

# 安装开发依赖项
pip install -e ".[dev]"

# 运行测试
pytest

# 格式化代码
black .
isort .

# 类型检查
mypy glm-vision.py

故障排除

1. API 密钥问题：确保你的 GLM_API_KEY 在环境中正确设置。
2. 连接问题：检查你的互联网连接和 API 终点。
3. 模型错误：验证模型名称（GLM_MODEL）是否正确且可用。

许可证

MIT 许可证 - 详情见 LICENSE 文件。

贡献

1. 分叉仓库
2. 创建功能分支
3. 进行更改
4. 如适用，请添加测试
5. 提交拉取请求

支持

对于与 GLM API 相关的问题，请联系 Z.AI 支持。 对于 MCP 服务器相关的问题，请在仓库中创建问题。 </中文翻译>