$ loading_
将图片转换为结构化描述与 OCR 文本，帮助纯文本大模型理解图像内容。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"GLM-Vision MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请读取这张截图中的全部可见文字，并按段落输出；如果有表单或列表，请用结构化方式整理。
返回截图中的 OCR 文本，并在适合时整理为清晰的结构化内容。
请描述这张图片的主要内容、场景、可见对象和文字信息，并输出为结构化摘要。
输出图片的结构化文字描述，包含场景、对象和可见文本。
先把这张图片转换成结构化描述和 OCR 结果，再给出一段可供文本大模型继续分析的上下文。
得到适合继续传给纯文本大模型的图像文字化结果。
开发者在使用只能处理文本的大模型时，可以先通过该 MCP 工具把图片转成结构化描述与 OCR 结果，再交给后续模型分析。这样能让原本不看图的模型理解图片内容。
办公人员或研究人员可以用它读取截图、界面照片或文档图片中的文字内容。输出既可用于查看，也可继续交给其他模型做总结或问答。
当团队需要把图片信息纳入自动化流程时，可以先将图像转换为结构化文字描述。这样更方便后续存档、检索或与其他文本任务衔接。
它提供一个视觉工具，可把图片转换为结构化文字描述，并执行 OCR。其目标是让像 DeepSeek 这样的纯文本大模型也能理解图片内容。
给定描述显示它使用免费版 GLM-4.6V-Flash 模型。关于模型限制或配置细节，见源码仓库。
它本身负责把图像内容转成文字化结果，包括描述和 OCR。这样其他只能处理文本的大模型就能基于这些结果继续理解和分析图片。
用支持视觉的 AI 模型完成图像分析、OCR、场景描述与图片比对。
让无视觉能力的智能体读取图片内容、OCR文字并提取结构化数据。
让纯文本模型调用多模态 API，识别并描述图片内容。
通过 OpenRouter 连接视觉模型，完成图像描述、OCR、视觉问答与目标检测。
让不具备视觉能力的模型识别截图与图片内容并返回结构化理解结果
让纯文本大模型接入视觉能力，解析本地或在线图片内容。