智谱视觉 MCP Server

🌐 为 DeepSeek 等纯文本模型提供视觉能力 —— 通过智谱免费视觉模型"看懂"图片。

原理

用户发图 → MCP 调用 GLM 视觉模型（免费）
        → 返回文字描述
        → DeepSeek / 任意文本模型基于描述推理

快速开始

1. 获取 API Key

访问 智谱开放平台，登录后创建 API Key。

2. 安装

方式 A：npx 一键（推荐）

claude mcp add -s user zhipu-vision \
  --env ZHIPU_API_KEY=你的密钥 \
  -- npx github:apsuadwf/zhipu-vision-mcp

方式 B：本地安装

git clone https://github.com/apsuadwf/zhipu-vision-mcp.git
cd zhipu-vision-mcp
npm install
npm link
claude mcp add -s user zhipu-vision --env ZHIPU_API_KEY=你的密钥 -- zhipu-vision-mcp

4. 使用

直接在对话中提及图片，Claude 会自动调用视觉工具分析。也可以手动指定：

"帮我看看这张截图里的报错信息"
"分析这个 UI 设计有什么问题"
"提取这张表格图片里的数据"

可用工具

工具	功能
analyze_image	分析图片，返回详细文字描述
extract_text_from_image	OCR 提取图片中的文字
compare_images	对比两张图片的差异

可用模型

模型	特点
glm-4.6v-flash ⭐	最新免费模型，支持本地文件（Base64）和多图
glm-4.1v-thinking-flash	带深度思考，分析更深入
glm-4v-flash	首个免费模型，仅支持 URL 单图

高峰期可能遇到 429 限流，换另一个模型即可。

环境要求

• Node.js >= 18
• npm >= 9

项目结构

zhipu-vision-mcp/
├── index.mjs       # MCP Server（单文件）
├── package.json    # 依赖配置
└── README.md       # 本文件

License

MIT