glm-5.2怎么用mcp解决多模态问题？

xiayou 2026-07-09 20:46 1

如题，glm-5.2很强大，感觉执行起来比GPT-5.5要稳，但是glm-5.2的短板是不支持多模态,CODING时的截图无法识别，之前记不得是在哪里看到过类似解决方案，求助各位佬，那怎么用mcp解决glm-5.2的多模态问题呢？

最新回复 (10)

update 07-09 20:49

1楼

接一个视觉mcp就可以了，你如果买的是官方的coding plan就直接用官方的，接的api就可以用站内佬友的
适才相戏耳 07-09 20:51

2楼

官网好像自带，API还没用过，官网的很强
HeriX 07-09 20:51

3楼

可以看看这个

Hello-Multimodal —— 一个让第三方AI大模型在Claude Code下拥有“看图”、“生图”能力的“多模态”SKILL - 开发调优 - LINUX DO
WXKYW 07-09 20:53

4楼

推荐这个MCP，可以自定义视觉模型（豆包感觉最强），Github：looksee-mcp
LingEasy 07-09 20:59

5楼

还没开源内测中
xiayou 楼主 07-09 21:01

6楼

GLM-4.6V-Flash 免费调用，这个可以吗？
kobexi 07-09 21:04

7楼

你的coding plan里有没有多模态的模型？有的话直接让glm5.2给你写个MCP就行。
LingEasy 07-09 21:04

8楼

对了可以使用 minimax-cli 他有个功能实际就是用命令行实现多模态
zeustdl 07-09 21:09

9楼

有一个佬友开发了gemini的bug,等于是web的geminitoapi，我把他放到远程服务器，然后调用的，中间用ai编程软件辅助我的建造的这个mcp,现在编程是zcode+geminimcp
leioukupo 07-09 21:28

10楼

glm-5.2不支持多模态吗？？

我用opencodego的glm5.2怎么好像没这个问题，感觉能看图啊