MCP Z.AI Vision — vision capabilities con GLM-4.6V

Qué es#

Z.AI Vision MCP usa el modelo GLM-4.6V (el vision-language model de Z.AI) para tareas visuales: análisis de imágenes, OCR avanzado, descripciones, Q&A sobre imágenes.

Aplicación típica: pasarle una imagen y pedir info. "¿Qué hay en esta imagen?", "Extraé el texto de este screenshot", "Describime estos productos visualmente".

Es uno de los 4 MCPs Z.AI del catálogo. Si tu stack usa el ecosystem Z.AI, mantener provider único simplifica.

Tabla resumen#

Cómo se instala#

npx claude-code-templates@latest --mcp devtools/zai-mcp-server

Pre-requisito: cuenta Z.AI + API key.

Para Claude:

Instalé el MCP devtools/zai-mcp-server. Configurá las credenciales.
Para esta imagen [path], describime qué contiene y extraé el texto
visible (OCR).

Qué podés hacer con esto#

OCR avanzado#

"Extraé texto de este screenshot de un PDF de tabla compleja. Preservá structure de filas/columnas". GLM-4.6V es serio en OCR.

Análisis de imágenes#

"Para esta foto, describime: objetos visibles, contexto, colores predominantes, anything notable for accessibility". Genera alt text útil.

Q&A visual#

"En este diagrama de arquitectura, ¿cuál es el componente que recibe requests del cliente?". Inspección de visuales.

Comparación#

"Compará estas 2 imágenes y dame las diferencias visibles". Útil para regression testing visual.

Procesamiento de docs visuales#

Si combinás con MarkItDown (que convierte PDFs/imágenes a markdown), Z.AI Vision puede dar análisis adicional sobre las imágenes embebidas.

Pre-requisitos#

• Cuenta Z.AI con plan apto
• API key
• Imágenes accesibles (path local o URL)

Cuándo NO conviene#

Bajalo de la fuente#

• Ficha en aitmpl.com: Z.AI Vision MCP — comando exacto.
• Config JSON: zai-mcp-server.json.
• Z.AI: open.bigmodel.cn.

Recursos relacionados#

• ImageSorcery MCP — para procesamiento (no análisis) de imágenes.
• MarkItDown MCP — para convertir PDFs e imágenes a markdown. Combo natural.
• Web Reader MCP — otro MCP del ecosistema Z.AI.