GLM-4.5V MCP Server

GLM-4.5V 多模态能力的 MCP 服务器，提供图像处理、视觉查询和文件处理功能。

功能

• read_image: 读取本地/URL图片并返回 dataURL 与尺寸信息
• vision_query: 调用 GLM-4.5V 对图片进行 OCR/问答/检测
• process_file: 使用 GLM-4.5V 处理文件（上传并提取内容）

安装

npm install

配置

复制环境变量文件：

cp .env.example .env

编辑 .env 文件，填入你的 GLM API Key：

GLM_API_KEY=your_api_key_here
GLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4/chat/completions

构建

npm run build

运行

npm start

或使用启动脚本：

./start-mcp.sh

开发模式

npm run dev

测试功能

创建测试文件并验证功能：

node scripts/test-file-processing.js

工具说明

read_image

读取图片并返回 base64 编码的 dataURL。

参数：

• path (必需): 图片路径或URL
• maxSide (可选): 最大边长，用于缩放

vision_query

使用 GLM-4.5V 分析图片。

参数：

• path (必需): 图片路径或URL
• prompt (必需): 查询提示词
• mode (可选): 查询模式 ("describe", "ocr", "qa", "detect")
• returnJson (可选): 是否返回JSON格式结果

process_file

使用 GLM-4.5V 处理文件，支持多种格式的文件上传和内容提取。

支持的文件格式：

• 文档：PDF、DOCX、DOC、XLS、XLSX、PPT、PPTX、CSV、TXT
• 图片：PNG、JPG、JPEG

文件大小限制：

• 图片文件：最大 5MB
• 其他文件：最大 50MB

参数：

• filePath (必需): 本地文件路径
• extractPrompt (可选): 内容提取提示词，用于指导如何提取文件内容

返回结果：

{
  "ok": true,
  "fileId": "file-xxx",
  "content": "提取的文件内容...",
  "fileType": "PDF文档",
  "filename": "document.pdf",
  "metadata": {
    "uploadTime": 1234567890,
    "fileSize": 1024000,
    "processingTime": 5000
  }
}

使用示例

处理 PDF 文档

# 通过 MCP 调用
{
  "tool": "process_file",
  "arguments": {
    "filePath": "./documents/report.pdf",
    "extractPrompt": "请提取文档中的主要内容和关键信息"
  }
}

处理 Excel 表格

{
  "tool": "process_file",
  "arguments": {
    "filePath": "./data/sales.xlsx",
    "extractPrompt": "请分析表格数据并总结销售趋势"
  }
}