zhipu-glm-vision-mcp

# 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 ```bash uvx zhipu-glm-vision-mcp ``` 需要设置环境变量 `ZHIPU_API_KEY`（在 [智谱开放平台](https://open.bigmodel.cn) 免费获取）。 可选环境变量： | 变量 | 说明 | 默认 | |---|---|---| | `ZHIPU_API_KEY` | 智谱 API Key（必需） | - | | `GLM_MODEL` | 模型名称 | `glm-4.6v-flash` | | `GLM_THINKING` | 思考模式默认，取值与工具 `thinking` 参数一致（`disabled` / `enabled` / `enabled_with_reasoning`；兼容布尔写法 `true`/`false`） | `disabled` | CLI 参数：`--model <名称>` 覆盖模型、`--transport/-t stdio|streamable-http|sse`（默认 stdio）、`--thinking` / `--no-thinking` / `--reasoning` 设置思考默认（分别对应 `enabled` / `disabled` / `enabled_with_reasoning`）。 ## 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。 > 本地 Base64 传入**仅图片支持**（官方契约）；视频/文件仅支持公网 URL 传入（`file_url` 官方明确不支持 Base64）。因此视频/文件只提供 `*_url` 工具。 ### 图片理解 - `analyze_image(file_paths: list, prompt?, thinking?)` - 分析 1..50 个本地图片路径（JPEG/PNG，每张 Base64 ≤5MB、≤6000×6000） - `analyze_image_url(urls: list, prompt?, thinking?)` - 分析 1..50 个公网图片 URL（JPEG/PNG） ### 视频理解 - `analyze_video_url(urls: list, prompt?, thinking?)` - 分析 1..N 个公网视频 URL（MP4/MKV/MOV，每个 ≤200MB，数量不设上限） ### 文件/文档理解 - `analyze_file_url(urls: list, prompt?, thinking?)` - 分析 1..50 个公网文件 URL（PDF/TXT/Word/DOCX/JSONL/XLSX/PPTX），支持多文档跨文档对比 ### 可选参数 每个工具都接受以下**可选参数**： | 参数 | 类型 | 说明 | 默认 | |---|---|---|---| | `prompt` | string | 自定义提问，覆盖默认提示词 | 按模态的默认中文提示词（描述/分析/总结） | | `thinking` | string | 三态思考模式，见下 | 回落 `GLM_THINKING` 环境变量，再默认 `disabled` | **必选参数**： - `file_paths`：本地图片路径列表，用于 `analyze_image` - `urls`：公网 URL 列表，用于 `analyze_image_url` / `analyze_video_url` / `analyze_file_url` **`thinking` 三态**： | 取值 | 行为 | |---|---| | `"disabled"` | 关闭思考，只返回最终答案 | | `"enabled"` | 开启思考，不返回思考链 | | `"enabled_with_reasoning"` | 开启思考，并返回思考链（`【思考过程】…\n【回答】…`） | **优先级**：单次调用 `thinking` …