ethanweave/glm4v-vision-mcp

README 摘要

GLM-4.6V-Flash 图像理解 MCP + Codex Skill 基于智谱开放平台 GLM-4.6V-Flash （免费视觉模型， 128K 上下文 ）的图像理解 MCP 服务， 一键部署到 macOS / Linux / Windows，并封装为 Codex Skill： 用户发图即自动识图，优先级高于普通对话 。 你只需要做一件事： 填入 ZHIPU API KEY （免费申请：https://open.bigmodel.cn/usercenter/apikeys ）， 其余全部自动化。 零、配合 DeepSeek Harness 使用（原生 MCP 接入） DSH 原生支持 MCP（ @deepseek-ai/dsh-mcp-client ），无需 Codex，直接把本模块注册为 DSH 工具： 在 /.dsh/profiles/ /cordis.patch.yml 加入 （注意： command 用你的 venv python 绝对路径）： 生效步骤 ： 1. 确认已安装 venv 依赖（ server/requirements.txt ）且 server/.env 已填 Key 2. 保存配置 → 完全退出并重启 DSH （ dsh web 或托盘退出） 3. 验证：DSH 会话里应出现 mcp glm4v analyze image / ocr image / analyze chart 等工具 4. 发一张图或说「这张图里有什么」→ 模型自动调用识图工具 Key 由服务器自动读取同目录 server/.env ，DSH 配置无需硬编码密钥。 下面「四、MCP 接入参数」是通用配置，同样适用于 Codex / Cline / Claude Desktop 等。 一、目录结构 二、MCP 能力（工具清单） 工具 说明 analyze image(image, prompt, ...) 图文问答 / 图片理解，支持 URL、data URI、裸 base64、本地路径，支持最多 8 张多图 ocr image(image, language, ...) OCR 文字识别：逐行输出、保留版式、表格转 Markdown，支持区域裁剪 analyze chart(image, chart type, ...) 图表解析：识别类型/坐标轴/图例/单位，结构化提取数据，总结趋势 describe image(image, detail, ...) 图片内容描述（brief / standard / detailed） check setup(ping=true) 环境自检：Key / 模型 / 端点 / 依赖 / 真实联网 ping 图片输入四种形式 （ image 参数）： 1. http(s):// 公开 URL（默认直传，也可 GLM DOWN…

分类