Multimodel MCP

🚀 GLM-4.5V MCP Server

GLM-4.5Vの多モーダル機能を備えたMCPサーバーです。画像処理、ビジュアルクエリ、ファイル処理機能を提供します。

🚀 クイックスタート

このGLM-4.5V MCPサーバーを使用することで、画像やファイルの処理を効率的に行うことができます。以下の手順に従って、サーバーをセットアップしてください。

✨ 主な機能

• read_image: ローカルまたはURLの画像を読み取り、dataURLとサイズ情報を返します。
• vision_query: GLM-4.5Vを呼び出して、画像に対してOCR、質問応答、検出を行います。
• process_file: GLM-4.5Vを使用してファイルを処理し（アップロードして内容を抽出）ます。

📦 インストール

npm install

📦 設定

環境変数ファイルをコピーします。

cp .env.example .env

.envファイルを編集し、あなたのGLM API Keyを入力します。

GLM_API_KEY=your_api_key_here
GLM_BASE_URL=https://open.bigmodel.cn/api/paas/v4/chat/completions

📦 ビルド

npm run build

📦 実行

npm start

または、起動スクリプトを使用します。

./start-mcp.sh

📦 開発モード

npm run dev

📦 テスト機能

テストファイルを作成して機能を検証します。

node scripts/test-file-processing.js

📚 ドキュメント

read_image

画像を読み取り、base64エンコードされたdataURLを返します。

パラメータ:

• path (必須): 画像のパスまたはURL
• maxSide (オプション): 最大辺長、縮小に使用

vision_query

GLM-4.5Vを使用して画像を分析します。

パラメータ:

• path (必須): 画像のパスまたはURL
• prompt (必須): クエリのプロンプト
• mode (オプション): クエリモード ("describe", "ocr", "qa", "detect")
• returnJson (オプション): JSON形式の結果を返すかどうか

process_file

GLM-4.5Vを使用してファイルを処理し、複数のファイル形式のアップロードと内容の抽出をサポートします。

サポートされるファイル形式:

• ドキュメント: PDF、DOCX、DOC、XLS、XLSX、PPT、PPTX、CSV、TXT
• 画像: PNG、JPG、JPEG

ファイルサイズ制限:

• 画像ファイル: 最大5MB
• その他のファイル: 最大50MB

パラメータ:

• filePath (必須): ローカルファイルのパス
• extractPrompt (オプション): 内容抽出のプロンプト、ファイル内容の抽出方法を指定するために使用

戻り値:

{
  "ok": true,
  "fileId": "file-xxx",
  "content": "提取的文件内容...",
  "fileType": "PDF文档",
  "filename": "document.pdf",
  "metadata": {
    "uploadTime": 1234567890,
    "fileSize": 1024000,
    "processingTime": 5000
  }
}

💻 使用例

基本的な使用法

PDFドキュメントの処理

# 通过 MCP 调用
{
  "tool": "process_file",
  "arguments": {
    "filePath": "./documents/report.pdf",
    "extractPrompt": "请提取文档中的主要内容和关键信息"
  }
}

Excel表の処理

{
  "tool": "process_file",
  "arguments": {
    "filePath": "./data/sales.xlsx",
    "extractPrompt": "请分析表格数据并总结销售趋势"
  }
}