by 运行时依赖
安装命令
点击复制技能文档
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 "导入 json,sys; d=json.load(sys.stdin); print(d.获取('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） 3.2 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.big模型.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 添加 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 列出
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.提取_text_from_screenshot image_source="~/screenshot.png"
# 诊断错误截图 mcporter call glm-vision.诊断_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.big模型.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 提取_text_from_screenshot - 使用先进的 OCR 能力从截图中提取和识别文字 诊断_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_可视化 - 阅读仪表盘、统计图表，提炼趋势、异常与业务要点 ui_diff_检查 - 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