johnalbertini14-glitch glm-understand-image
使用 GLM 视觉 MCP 服务器进行图像理解和分析。
执行流程（首次需要安装，后续直接步骤6调用）
步骤 1: 检查并安装依赖
1.1 检查 mcporter 是否可用
npx -y mcporter --version
如果命令返回成功，说明 mcporter 可用，跳到步骤 2。
mcporter 可以直接通过 npx 使用，无需安装。
步骤 2: 检查 API Key 配置
cat ~/.openclaw/config/glm.json 2>/dev/null | python3 -c "import json,sys; d=json.load(sys.stdin); print(d.get('api_key', ''))"
如果返回非空的 API Key，跳到步骤 4。
步骤 3: 配置 API Key（如果未配置）
3.1 尝试从 ~/.openclaw/agents/main/agent/auth-profiles.json 中的配置文件中获取
根据返回的判断：
- 名称包含 "zhipu" 或 "zai"
找到匹配的 Key 后，询问用户确认是否使用。
3.2 如果没有找到 Key，向用户索要
询问用户提供智谱 API Key。
如果用户没有智谱 API Key，可以访问 https://www.bigmodel.cn/glm-coding?ic=OOKF4KGGTW 购买。
3.3 保存 API Key
mkdir -p ~/.openclaw/config
cat > ~/.openclaw/config/glm.json << EOF
{
"api_key": "API密钥"
}
EOF
步骤 4: 添加 MCP 服务器
使用 mcporter 添加 GLM 视觉 MCP 服务器：
mcporter config add glm-vision \
--command "npx -y @z_ai/mcp-server" \
--env Z_AI_API_KEY="your-key" \
--env Z_AI_MODE="ZHIPU" \
--env HOME="$PWD"
注意：将 your-key 替换为实际的智谱 API Key。HOME 环境变量设置为当前工作目录以避免日志文件权限问题。
步骤 5: 测试连接
mcporter list
确认 glm-vision 服务器已成功添加。
步骤 6: 使用 MCP 处理图像
6.1 准备图片
将图片放到可访问路径，例如：
~/.openclaw/workspace/images/图片名.jpg- 或者使用 URL
6.2 使用 mcporter 调用 MCP 工具
使用 mcporter 调用 MCP 服务：
mcporter call glm-vision.analyze_image prompt="<对图片的提问>" image_source="<图片路径或URL>"
示例：
# 描述图片内容
mcporter call glm-vision.analyze_image prompt="详细描述这张图片的内容" image_source="~/image.jpg"
# 使用 URL
mcporter call glm-vision.analyze_image prompt="这张图片展示了什么？" image_source="https://example.com/image.jpg"
# 提取图片中的文字
mcporter call glm-vision.extract_text_from_screenshot image_source="~/screenshot.png"
# 诊断错误截图
mcporter call glm-vision.diagnose_error_screenshot prompt="分析这个错误" image_source="~/error.png"
6.3 API 参数说明
| 参数 | 说明 | 类型 |
|---|---|---|
| image_source | 图片路径或 URL | string (必填) |
| prompt | 对图片的提问 | string (必填) |
支持的工具
重要提示：如果出现问题以官方说明为准 官方版说明 ： https://docs.bigmodel.cn/cn/coding-plan/mcp/vision-mcp-server
GLM 视觉 MCP 服务器提供以下工具：
ui_to_artifact- 将 UI 截图转换为代码、提示词、设计规范或自然语言描述extract_text_from_screenshot- 使用先进的 OCR 能力从截图中提取和识别文字diagnose_error_screenshot- 解析错误弹窗、堆栈和日志截图，给出定位与修复建议understand_technical_diagram- 针对架构图、流程图、UML、ER 图等技术图纸生成结构化解读analyze_data_visualization- 阅读仪表盘、统计图表，提炼趋势、异常与业务要点ui_diff_check- 对比两张 UI 截图，识别视觉差异和实现偏差analyze_image- 通用图像理解能力，适配未被专项工具覆盖的视觉内容video_analysis- 支持 MP4/MOV/M4V 等格式的视频场景解析，抓取关键帧、事件与要点
MCP 配置
MCP 服务器名称：glm-vision
MCP 服务器配置：@z_ai/mcp-server
环境变量：
Z_AI_API_KEY- 智谱 API Key（必需）Z_AI_MODE- 服务平台选择，默认为ZHIPU