zhipu-glm-vision-mcp

基于智谱 GLM-4.6V-Flash（免费多模态视觉模型）的多模态理解 MCP 服务，支持图片、视频、文件三类理解能力，并支持思考模式（thinking）开关。

GLM-4.6V-Flash 上下文窗口 128K，在视觉理解精度上达到同参数规模 SOTA，原生支持多模态 Function Calling。本服务通过智谱 OpenAI 兼容接口接入，遵循 MCP v2 协议（mcp>=2.0.0 + MCPServer）。

使用

uvx zhipu-glm-vision-mcp

需要设置环境变量 ZHIPU_API_KEY（在 智谱开放平台 免费获取）。

可选环境变量：

CLI 参数：--model <名称> 覆盖模型、--transport/-t stdio|streamable-http|sse（默认 stdio）、--thinking 开启思考默认。

工具

每个工具均接受列表参数（传 1 个即单条分析，传多个即在同一上下文内对比/关联分析），并支持 thinking 思考开关与 prompt 自定义提问。

图片理解

• analyze_image(file_paths: list, prompt?, thinking?) - 分析 1..10 个本地图片路径（JPEG/PNG/GIF/WebP/BMP，每个 Base64 ≤50MB）
• analyze_image_url(urls: list, prompt?, thinking?) - 分析 1..10 个公网图片 URL

视频理解

• analyze_video(file_paths: list, prompt?, thinking?) - 分析 1..10 个本地视频路径（MP4/MOV/AVI/WMV/MKV/WEBM/FLV，每个 Base64 ≤50MB）
• analyze_video_url(urls: list, prompt?, thinking?) - 分析 1..10 个公网视频 URL

文件/文档理解

• analyze_file(file_paths: list, prompt?, thinking?) - 分析 1..N 个本地文件路径（PDF/TXT/MD/DOCX/PPTX/XLSX/HTML/JSON/CSV，每个 Base64 ≤50MB），支持多文档跨文档对比
• analyze_file_url(urls: list, prompt?, thinking?) - 分析 1..N 个公网文件 URL

思考模式（thinking）

每个工具都有 thinking 布尔参数，控制是否开启深度思考模式（true 开启 / false 关闭 / 不传则回落 GLM_THINKING 环境变量）。开启后模型会先进行深度推理再作答，理解更细致但响应更慢；免费 flash 版默认关闭以换取更快响应。

媒体限制

• 图片、视频、文件三者互斥：单次请求只能分析一种模态（GLM-4.6V 限制），因此拆分为独立工具。
• 同模态可多个：单个请求内图片/视频最多 10 个（MAX_PARTS），文件同请求可传多个用于跨文档对比分析。
• Base64 本地传入上限 50MB（本地文件由本服务自动转 Base64 data URI）。
• 官方文档对视频/文件大小存在 5MB 与 200MB 两种表述，以 API 实际报错为准。

客户端注册

Claude Code：

claude mcp add zhipu-glm-vision-mcp \
  -e ZHIPU_API_KEY=你的Key \
  -- uvx zhipu-glm-vision-mcp

.mcp.json / claude_desktop_config.json：

{
  "mcpServers": {
    "zhipu-glm-vision-mcp": {
      "command": "uvx",
      "args": ["zhipu-glm-vision-mcp"],
      "env": {
        "ZHIPU_API_KEY": "你的Key"
      }
    }
  }
}

发布新版本

1. 修改 pyproject.toml 中的 version（必须严格递增）
2. uv build，生成 dist/*.whl 与 dist/*.tar.gz
3. twine upload dist/*，按提示粘贴 PyPI API Token（用户名填 __token__）
4. 验证：uvx zhipu-glm-vision-mcp --help

相关文档

docs/ 目录存放了 GLM-4.6V-Flash 相关文档：

• GLM-4.6V-Flash API 参考快照 - 精简 API 契约（端点 / 请求格式 / 已知限制）
• GLM-4.6V-Flash 原始官方文档 - 官方完整能力文档原样存档

License

MIT