Communitygithub.com

mubai13232/glm-vision-mcp

Codex 技能:基于 GLM-4.6V-Flash 的视觉 MCP(支持图像、视频和文件理解)

glm-vision-mcp 是什么?

该技能基于智谱 GLM-4.6V-Flash 多模态视觉模型,为 AI 代理(如 Codex)提供了图像、视频和文件理解的能力。它通过 MCP(Model Context Protocol)接口暴露核心视觉功能,使得开发者可以直接在代码环境中集成视觉问答(VQA)、图像描述、视频摘要和文档理解等任务。技能支持多种输入格式,包括图片、视频文件和常见文档格式,并能够根据用户提示返回结构化的文本结果。适用于自动化测试、数据标注、内容审核等需要视觉智能的开发场景。

兼容平台~Claude Code✓Codex CLI~Cursor
npx skills add mubai13232/glm-vision-mcp

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

glm-vision-mcp 是做什么的?

Codex 技能:基于 GLM-4.6V-Flash 的视觉 MCP(支持图像、视频和文件理解)

相关技能