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URLmaxSide(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URLprompt(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"
}
}