Communitygithub.com

mubai13232/glm-vision-mcp

Codex 技能:GLM-4.6V-Flash 視覺 MCP(影像/影片/檔案理解)

glm-vision-mcp 是什麼?

這是一個專為開發者與 AI 代理設計的 MCP(模型上下文協定)技能,整合了智譜 GLM-4.6V-Flash 視覺模型。該技能賦予代理處理多模態輸入的能力,包括靜態影像(如 JPEG、PNG)、動態影片(如 MP4、AVI)以及常見檔案(如 PDF、TXT)。使用者可透過標準 MCP 工具介面直接呼叫模型的視覺理解功能,無需手動處理圖像編碼或影片解碼。此技能特別適合需要視覺分析的自動化場景,例如截圖辨識、文件內容提取、影片關鍵幀解析等。支援平台包括 Claude Code、Coder、Cursor、Codex 等遵循 MCP 規範的代理工具。其工作原理是將輸入資源轉換為模型可接受的張量格式,並透過 GLM-4.6V-Flash 高效執行推理,最終回傳結構化文字結果。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

glm-vision-mcp 是做什麼的?

Codex 技能:GLM-4.6V-Flash 視覺 MCP(影像/影片/檔案理解)

相關技能