Glm Mcp Server

General Read Image For Claude Code - 通用大模型接入Claude Code读图分析助手

一个用于在 Claude Code 中集成智谱 AI GLM-4.6V 图像分析功能的 MCP 服务器

[功能特性](#-功能特性) • [快速开始](#-快速开始) • [手动安装](#-手动安装可选) • [配置说明](#-配置说明) • [故障排除](#-故障排除)

⚡ 快速开始

📥 下载项目

git clone https://github.com/ifolin/glm-mcp-server.git
cd glm-mcp-server

🚀 一键安装

Windows 用户

1. 双击运行 install.bat
2. 按照提示输入您的 GLM API 密钥
3. 在 Claude Code 中打开此项目目录即可使用

Linux/Mac 用户

1. 在终端中运行：chmod +x install.sh && ./install.sh
2. 按照提示输入您的 GLM API 密钥
3. 在 Claude Code 中打开此项目目录即可使用

🎯 验证安装

安装完成后，在 Claude Code 中输入：

分析 ./03.jpg 这张图片的内容

如果看到图像分析结果，说明安装成功！

注意：Claude Code 会自动调用 mcp__glm-mcp__analyze_image 工具来处理图像分析请求。

✨ 功能特性

• 一键安装：跨平台自动化安装脚本
• 安全配置：API 密钥存储在项目 .env 文件中，不暴露在代码仓库
• 多格式支持：JPG、PNG、GIF、BMP 等常见图片格式
• 跨平台：Windows、Linux、macOS 全支持
• 智能分析：基于 GLM-4.6V 模型的强大图像理解能力
• FastMCP 驱动：基于 MCP 官方 FastMCP 框架，轻量高效

🔧 手动安装（可选）

如果您需要手动配置，请按照以下步骤：

1. 获取 API 密钥

• 访问 智谱AI控制台
• 注册并获取您的 API 密钥

2. 安装依赖

pip install -r requirements.txt

依赖包含：

• zhipuai — 智谱 AI SDK
• mcp — MCP 官方包（含 FastMCP 框架）
• python-dotenv — 环境变量管理

3. 创建 .env 文件

在项目根目录创建 .env 文件：

GLM_API_KEY=your_api_key_here
GLM_API_BASE=https://open.bigmodel.cn/api/paas/v4/
GLM_IMAGE_MODEL=glm-4.6v

4. 创建 .mcp.json 文件

在项目根目录创建 .mcp.json（告诉 Claude Code 如何启动 MCP 服务器）：

{
  "mcpServers": {
    "glm-mcp": {
      "command": "python",
      "args": ["/替换为你的实际路径/GLM-MCP/glm_fastmcp_server.py"],
      "env": {
        "GLM_API_BASE": "https://open.bigmodel.cn/api/paas/v4/",
        "GLM_IMAGE_MODEL": "glm-4.6v"
      }
    }
  }
}

> 说明： > - command — Python 可执行文件路径（建议使用绝对路径，如 conda 环境的 E:\miniconda3\envs\py310\python.exe） > - args — MCP 服务器入口文件 glm_fastmcp_server.py 的绝对路径 > - env — 额外环境变量（GLM_API_KEY 通过 .env 文件提供，不需要写在这里） > - .mcp.json 已加入 .gitignore，不会被提交到代码仓库

5. 配置权限（可选）

如果 Claude Code 每次调用都要求确认，可在 .claude/settings.json 中添加：

{
  "permissions": {
    "allow": [
      "mcp__glm-mcp__analyze_image"
    ]
  }
}

⚙️ 配置说明

MCP 配置层级

Claude Code 的 MCP 配置支持三个层级：

| 层级 | 文件位置 | 用途 | |------|----------|------| | 项目级 | 项目根目录 .mcp.json | 团队共享，可提交到 git | | 本地级 | 项目 .claude/settings.local.json | 个人私有配置 | | 用户级 | ~/.claude/settings.json | 跨项目全局生效 |

本项目使用 项目级 .mcp.json 配置。

API 密钥管理

| 方式 | 安全性 | 说明 | |------|--------|------| | .env 文件（推荐） | 高 | 已加入 .gitignore，不进入代码仓库 | | .mcp.json 的 env 字段 | 低 | 明文存储，不适合存放密钥 | | 系统环境变量 | 中 | 所有项目可用，但需手动配置 |

本项目推荐使用 .env 文件方式，服务器代码通过 python-dotenv 自动加载。

跨项目全局使用（所有项目可用）

默认情况下 MCP 服务器仅在当前项目目录生效。如需在所有项目中使用 GLM 图像分析：

# 方法一：通过 CLI 注册到用户级（推荐）
claude mcp add glm-mcp -s user \
  -e GLM_API_KEY=your_api_key \
  -e GLM_API_BASE=https://open.bigmodel.cn/api/paas/v4/ \
  -e GLM_IMAGE_MODEL=glm-4.6v \
  -- /path/to/python /path/to/GLM-MCP/glm_fastmcp_server.py

Windows 用户：

claude mcp add glm-mcp -s user -e GLM_API_KEY=your_api_key -e GLM_API_BASE=https://open.bigmodel.cn/api/paas/v4/ -e GLM_IMAGE_MODEL=glm-4.6v -- "E:\miniconda3\envs\py310\python.exe" "E:\claude-code\GLM-MCP\glm_fastmcp_server.py"

注册后，在任何项目中都可以直接使用 mcp__glm-mcp__analyze_image 分析图片。

切换本地/云端图片分析工具

Claude Code 可能内置了云端图片分析 MCP（如 4_5v_mcp）。可通过 switch_mcp.bat 脚本切换：

双击运行 switch_mcp.bat

提供三种模式：

| 选项 | 说明 | 适用场景 | |------|------|----------| | 1. glm-mcp（本地） | 禁用云端，只用本地 GLM | 日常使用（推荐） | | 2. 云端模型 | 禁用本地，只用云端 | 需要云端模型时 | | 3. 两者都允许 | Claude 自动选择 | 灵活使用 |

切换后需重启 Claude Code 生效。

手动切换（编辑 ~/.claude/settings.json）：

{
  "permissions": {
    "allow": ["mcp__glm-mcp__analyze_image"],
    "deny": ["mcp__4_5v_mcp__*"]
  }
}

环境变量说明

| 变量名 | 必需 | 默认值 | 说明 | |--------|------|--------|------| | GLM_API_KEY | 是 | 无 | 智谱 AI API 密钥 | | GLM_API_BASE | 否 | https://open.bigmodel.cn/api/paas/v4/ | API 基础地址 | | GLM_IMAGE_MODEL | 否 | glm-4.6v | 使用的视觉模型 |

Windows 特别说明

本项目针对 Windows 平台做了以下适配：

• 事件循环策略：自动设置 WindowsSelectorEventLoopPolicy，解决 Windows 上 MCP stdio 通信兼容性问题
• 编码处理：建议在 .mcp.json 的 env 中添加 "PYTHONIOENCODING": "utf-8" 和 "PYTHONUTF8": "1"
• 路径格式：.mcp.json 中 Windows 路径使用双反斜杠 \\ 或正斜杠 /

📖 使用方法

安装完成后，在 Claude Code 中自然地描述您的需求：

示例用法：

• "分析 ./test.jpg 这张图片的内容"
• "请帮我看看 ./photos/image1.png 里面有什么"
• "使用GLM-4.6V模型分析 /path/to/image.jpg，描述这张图片"

工作原理：

• Claude Code 会自动识别图像分析需求
• 自动调用 mcp__glm-mcp__analyze_image 工具
• 使用智谱 GLM-4.6V 模型进行图像理解

支持的图片格式： JPG、PNG、GIF、BMP 等常见图片格式

🛠️ 故障排除

1. MCP 服务器无法启动

• 确保 Python 3.10+ 已安装且 command 路径正确
• 检查 glm_fastmcp_server.py 文件路径是否正确
• Windows 用户确保使用绝对路径指向 Python 可执行文件
• 运行 test_install.bat 进行诊断

2. API 密钥问题

• 确认 .env 文件中 GLM_API_KEY 已正确设置
• .env 文件应位于项目根目录
• 验证 API 密钥是否有效：访问 智谱AI控制台

3. Claude Code 无法识别工具

• 确保在 Claude Code 中打开此项目目录（.mcp.json 所在目录）
• 检查 .mcp.json 文件格式是否正确（JSON 语法）
• 确认权限配置中包含 mcp__glm-mcp__analyze_image
• 重启 Claude Code

4. 图像分析失败

• 检查图片路径是否使用绝对路径
• 确认图片格式是否支持
• 查看日志文件：mcpserver.log

5. Windows 上服务器卡死/无响应

这是 Windows 上 Python 事件循环与 MCP stdio 传输不兼容导致的。本项目已在 glm_fastmcp_server.py 中自动处理，如果仍出现问题：

• 确认使用的是 glm_fastmcp_server.py 而非 server.py 或 main.py
• 检查是否有其他代码向 stdout 输出内容（会干扰 MCP 协议通信）

📝 更新配置

更新 API 密钥

1. 编辑项目根目录的 .env 文件
2. 重启 Claude Code

更新模型版本

修改 .env 或 .mcp.json 中的 GLM_IMAGE_MODEL，支持的模型：

• glm-4.6v（推荐）
• glm-4v

📋 文件结构

GLM-MCP/
├── glm_fastmcp_server.py    # MCP 服务器核心（基于 FastMCP 框架）
├── main.py                  # 原始主程序入口
├── config.py                # 配置管理模块
├── server.py                # 原始 MCP 服务器（低级 API 实现）
├── image_processor.py       # 图像处理模块
├── logger.py                # 日志系统（MCP 模式自动禁用控制台输出）
├── utils.py                 # 工具函数
├── .mcp.json                # MCP 服务器声明（项目级配置）
├── .env                     # API 密钥等敏感配置（不提交到 git）
├── .gitignore               # Git 忽略规则
├── .claude/
│   ├── settings.json        # 项目级权限配置
│   └── settings.local.json  # 本地权限配置（不提交到 git）
├── install.bat              # Windows 一键安装
├── switch_mcp.bat           # 本地/云端 MCP 切换
├── test_install.bat         # Windows 安装验证
├── start_server.bat         # Windows 手动启动（调试用）
├── requirements.txt         # Python 依赖
├── README.md                # 本文档
└── CHANGELOG.md             # 更新日志

🤝 贡献

我们欢迎任何形式的贡献！请查看 [贡献指南](CONTRIBUTING.md) 了解如何参与项目开发。

📄 许可证

本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详情。

🙏 致谢

• 智谱AI - 提供强大的GLM-4.6V模型
• Claude Code - 优秀的AI编程助手
• MCP (Model Context Protocol) - 标准化的AI服务接口

📞 支持

• 问题反馈：GitHub Issues

---

如果这个项目对您有帮助，请给我们一个 ⭐️ Star

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: ifolin
• Source: ifolin/glm-mcp-server
• License: MIT

Install and usage instructions live in the source repository linked above.