Was macht glm-vision-mcp?
Codex-Fertigkeit: GLM-4.6V-Flash Vision MCP (Bild-/Video-/Dateiverständnis)
Codex-Fertigkeit: GLM-4.6V-Flash Vision MCP (Bild-/Video-/Dateiverständnis)
Diese Fertigkeit bietet eine integrierte Vision-MCP (Model Context Protocol)-Schnittstelle, die auf dem GLM-4.6V-Flash-Modell von Zhipu AI basiert. Sie ermöglicht Codex-Agenten, KI-gestütztes multimodales Verständnis durchzuführen – einschließlich der Analyse und Interpretation von Bildern, Videos und verschiedenen Dateitypen. Entwickler können visuelle KI-Funktionen direkt in ihre Codex-Arbeitsabläufe einbetten, ohne auf externe APIs oder separate Tools angewiesen zu sein. Die Fertigkeit ist nützlich für Aufgaben wie Screenshot-Analyse, UI-Verständnis, Dokumenterkennung und kontextbezogene Video-Inspektion, wodurch sie vielseitig für Debugging, Code-Review und automatisierte visuelle Tests einsetzbar ist. Sie wird hauptsächlich in Codex AI Coding Agent-Umgebungen eingesetzt, wo sie den Agenten ermöglicht, Befehle und Konversationen auf Basis von visuellen Eingaben zu verarbeiten und zu beantworten.
npx skills add mubai13232/glm-vision-mcpCodex-Fertigkeit: GLM-4.6V-Flash Vision MCP (Bild-/Video-/Dateiverständnis)
Extract frames or short clips from videos using ffmpeg.
Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.
Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.
Obra superpowers agent skills.
See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...
End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.