分享：GLM-4.6V 图像理解 MCP + Codex Skill（识图/OCR/图表解析，免费模型）

[ethanweave]

分享一个给 DeepSeek Harness / Codex 生态补上「视觉能力」的方案：GLM-4.6V 图像理解 MCP。

很多主模型不支持图片输入，这个 MCP 服务用智谱免费的视觉模型 GLM-4.6V-Flash（128K 上下文）补齐识图能力。

能力：

• analyze_image：图文问答 / 图片理解，支持 URL / base64 / 本地路径，最多 8 张多图
• ocr_image：OCR 文字识别，保留版式、表格转 Markdown、区域裁剪
• analyze_chart：图表解析（柱状图/折线图/饼图），结构化提取数据
• describe_image：图片内容描述（brief / standard / detailed）
• check_setup：环境自检

特点：

• 一键部署（macOS / Linux / Windows 安装脚本）
• 只需填 ZHIPU_API_KEY（免费申请）
• 封装为 Codex Skill：用户发图即自动识图
• 兼容 Cline / Claude Desktop / Cherry Studio / Cursor 等（通用 MCP JSON）

仓库：https://github.com/ethanweave/glm4v-vision-mcp

欢迎使用和反馈，也欢迎共建（比如加更多模型后端）。

[ethanweave]

补充：已支持 DeepSeek Harness 原生接入（不需要 Codex）。DSH 自带 @deepseek-ai/dsh-mcp-client，在 ~/.dsh/profiles/web/cordis.patch.yml 加一段配置即可，模型直接获得 mcp__glm4v__analyze_image / ocr_image / analyze_chart 等工具。详细步骤见仓库 README：https://github.com/ethanweave/glm4v-vision-mcp

[baotherye]

按上述方式配置了，但对话里提示“当前模型不支持图片.....”

[Electricitysheep]

免费视觉模型补识图能力，和 #1153（视觉路由）是同一条路的不同方案——MCP 方式对已有主模型零侵入，很实用。

我们手册第 9 章（MCP）有外部工具接入示例，这类视觉 MCP 是很好的实战案例。已收录进生态章节社区资产清单：https://github.com/Electricitysheep/dsh-handbook/blob/main/docs/07-ecosystem.md

如果愿意把 MCP 配置写法写成教程，欢迎来手册共建。