Token导航 LogoToken导航TokenDH.com
agentcut (Pastorsimon1798) logo
音视频stdio官方级别未说明来源级核验

agentcut (Pastorsimon1798)

MCP Server

mcp-video是一款为AI代理提供的视频编辑MCP服务器,集成了FFmpeg视频编辑、媒体分析、字幕添加、音频处理和特效制作等功能。

工具数

75

提示词数

0

GitHub Stars

18

资源数

0
PythonClaude语音音频ClaudeCursor

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

KyaniteLabs

提供方

KyaniteLabs

最后核验

2026/5/17 20:22

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

uvx --from mcp-video mcp-video doctor

详细介绍

mcp-video

Video editing MCP server for AI agents.

Structured tools for FFmpeg video editing, cinematic prompt planning, media analysis, subtitles, audio, effects, Hyperframes video creation, and local repurposing packages.

Install • Quick Start • Agent Workflows • Tools • Tool Reference • AI Discovery • llms.txt • MCP Registry

______________________________________________________________________

公开发现

mcp视频 是一个免费的开源软件 模型上下文协议(MCP)服务器Python库和CLI,为AI代理提供了一个真正的视频编辑界面。它将FFmpeg、PUSHING CREATION风格规划、媒体分析、质量检查、字幕、音频生成、效果、Hyperframes 0.5渲染和结构化工具模式背后的本地重新利用包打包在一起。

最佳匹配搜索:

  • 视频编辑MCP服务器
  • AI代理视频编辑
  • FFmpeg MCP工具
  • 克劳德代码视频编辑
  • 光标MCP视频工具
  • Python视频编辑库
  • 字幕自动化
  • 卷轴和短裤自动化
  • 代理媒体管道
  • 本地AI视频工作流程
  • 超帧视频创建
  • YouTube短片重新定位

为什么它存在

AI代理可以编写FFmpeg命令,但他们不应该猜测标志、解析脆弱的stderr或默默地发布损坏的媒体。mcp-video为代理提供了类型化操作、可检查的工具元数据、结构化结果和质量检查点,因此视频工作流可以自动化和审查,而不会变成shell命令轮盘。

当您希望AI助手执行以下操作时,请使用它:

  • 修剪、合并、调整大小、裁剪、旋转、转码或导出视频;
  • 添加文本、字幕、水印、叠加、滤镜、淡入淡出、效果和过渡;
  • 提取音频、标准化音频、合成音频、添加生成的音频或创建波形;
  • 检测场景、制作缩略图、生成故事板、比较质量并创建发布检查点;
  • 脚手架电影项目,读取STYLE\_/NEG_块,解析故事板表,并展开镜头提示;
  • 创建新的Hyperframes项目,检查渲染布局,捕获网站,生成本地语音,删除背景,并使用FFmpeg工具对结果进行后处理;
  • 将一个源视频重新调整为垂直、水平和方形的本地交付包,其中包含清单和审查工件;
  • 从Claude Code、Cursor、Codex风格的客户端、脚本或CI驱动可重复的媒体工作流程。

安装

先决条件: FFmpeg 必须在上安装并可用 PATH.

# macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt install ffmpeg

无需全局安装即可运行:

uvx --from mcp-video mcp-video doctor

或者用pip安装:

pip install mcp-video
mcp-video doctor

Hyperframes工具还需要Node.js 22+,因为它们通过以下方式调用Hyperframes CLI npx.

快速开始

克劳德代码

claude mcp add mcp-video -- uvx --from mcp-video mcp-video

克劳德桌面版

{
  "mcpServers": {
    "mcp-video": {
      "command": "uvx",
      "args": ["--from", "mcp-video", "mcp-video"]
    }
  }
}

光标

{
  "mcpServers": {
    "mcp-video": {
      "command": "uvx",
      "args": ["--from", "mcp-video", "mcp-video"]
    }
  }
}

然后问你的经纪人:

将此采访剪辑成45秒的垂直剪辑,添加刻录的字幕,对音频进行标准化处理,制作缩略图,并在导出前创建发布检查点。

Python客户端

from mcp_video import Client

editor = Client()

clip = editor.trim("interview.mp4", start="00:02:15", duration="00:00:45")
caption_file = "captions.srt"
editor.ai_transcribe(clip.output_path, output_srt=caption_file)
captioned = editor.subtitles(clip.output_path, subtitle_file=caption_file)
vertical = editor.resize(captioned.output_path, aspect_ratio="9:16")
checkpoint = editor.release_checkpoint(vertical.output_path)

print(checkpoint["thumbnail"])
print(checkpoint["storyboard"])

命令行界面

mcp-video info interview.mp4
mcp-video trim interview.mp4 -s 00:02:15 -d 45
mcp-video video-ai-transcribe clip.mp4 --output captions.srt
mcp-video subtitles clip.mp4 captions.srt
mcp-video resize clip.mp4 --aspect-ratio 9:16
mcp-video video-quality-check clip.mp4
mcp-video repurpose clip.mp4 --platforms youtube-shorts instagram-reel tiktok

代理人可以做什么

工作流示例提示
社交剪辑“将这段风景录音变成带有字幕的TikTok和YouTube短片。”
播客制作“找到最强的片段,修剪它,标准化音频,添加章节,然后导出。”
产品演示“根据屏幕截图、标题卡和画外音制作一段简短的发布视频。”
电影策划“创建样式包和故事板,然后渲染镜头提示以供生成。”
质量审查“比较这两个导出,制作缩略图,并标记视觉或音频问题。”
批处理自动化“将此剪辑文件夹转换为具有一致响度的网络就绪MP4。”
代码创建的视频“构建一个Hyperframes组合,检查它,渲染它,然后添加字幕和水印。”
本地重新定位“将此主剪辑转换为短片、卷轴、TikTok和YouTube资产,并附上缩略图和清单。”

MCP工具

mcp视频记录了一个广泛的mcp工具表面,包括 search_tools 发现工具,这样代理就可以在不将每个工具描述加载到上下文中的情况下找到正确的操作。

类别计数亮点
核心视频编辑32修剪、合并、调整大小、裁剪、旋转、转换、叠加、字幕、导出、清理、模板
电影创作4项目支架、风格包解析、故事板解析、镜头提示扩展
人工智能辅助媒体11转录、场景检测、放大、茎分离、沉默去除、颜色分级
Hyperframes18初始化、预览、渲染、快照、检查、编目、网站捕获、本地TTS、转录、背景删除、诊断、基准测试、后处理
重新利用2模拟运行清单、平台就绪变体、缩略图、故事板、发布检查点
程序音频7合成、作曲、预设、效果、序列、生成音频、空间音频
视觉效果8渐晕、光晕、噪声、扫描线、色差、亮度键、遮罩、形状遮罩
过渡3故障、变形、像素化
布局和运动6网格、画中画、动画文本、计数器、进度条、自动章节
分析8场景检测、缩略图、预览、故事板、质量比较、元数据、波形、发布检查点
图像分析3提取颜色、生成调色板、分析产品图像
发现1search_tools
from mcp_video import Client

editor = Client()
matches = editor.search_tools("subtitle")
print(matches["tools"])

完整参考: docs/TOOLS.md

代理安全工作流

对于自主代理,预期的路径是检查、编辑、验证,然后让人审查发布工件:

from mcp_video import Client

client = Client()

print(client.inspect("trim"))

result = client.pipeline(
    [
        {"op": "trim", "input": "source.mp4", "start": "00:01:00", "duration": "00:00:45"},
        {"op": "add_text", "text": "Launch clip", "position": "top-center"},
        {"op": "normalize_audio"},
        {"op": "resize", "aspect_ratio": "9:16"},
        {"op": "export", "quality": "high"},
        {"op": "release_checkpoint"},
    ],
    output_path="final-short.mp4",
)

安全合同:

  • 媒体生成调用返回具有输出路径的结构化结果。
  • 分析和发现调用返回结构化JSON报告。
  • 工具发现可通过以下方式获得 search_tools()Client.inspect().
  • 意外的关键字错误被转化为可操作的错误 MCPVideoError 指导。
  • 不发布代理生成的视频 video_quality_check, video_release_checkpoint,以及人类视觉/听觉检查。

文档

测试

开发验证在 docs/TEST.md。更改工具行为时,保持公共界面、媒体工作流程和安全检查的最新状态。

发展

git clone https://github.com/KyaniteLabs/mcp-video.git
cd mcp-video
python3 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pytest tests/ -v -m "not slow and not hyperframes"

社区

许可证

Apache 2.0。看 许可证.

建于 FFmpeg, 超帧,以及 模型上下文协议.

目录标签

目录标签

PythonClaude语音音频视频编辑本地部署AI代理工具FFmpeg封装自动化字幕媒体分析特效制作

支持客户端

ClaudeCursor

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

75

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP