Enhanced Multimedia Analysis MCP

🎬 增强型多媒体分析MCP

用于专业多媒体内容分析和人工智能视频生成提示工程的模型上下文协议（MCP）服务器

______________________________________________________________________

🌟 概述

增强型多媒体分析MCP服务器是一种生产就绪的模型上下文协议实现，为AI代理提供了复杂的工具，用于分析视觉内容（图像和视频），并为AI视频生成系统生成优化的提示。

核心能力

• 🔍 系统的多维内容分析 通过热键框架
• 🎨 专业提示生成 用于AI视频/图像生成器
• 📱 平台特定优化 （试试看，instagram，youtube，电影院）
• 👥 字符一致性跟踪 跨场景
• 📊 四个分析深度级别 （快速、标准、深入、全面）
• ⚡ 快速激活 通过 /aiv 斜杠命令

主要优势

✅ 将快速工程时间从数小时缩短到几分钟 ✅ 通过系统分析提高即时质量 ✅ 实现跨多代的一致性 ✅ 自动针对平台进行优化 ✅ 为AI代理提供100多个分析维度

______________________________________________________________________

🚀 快速开始

安装

1. 克隆存储库：

   git clone https://github.com/yourusername/enhanced-multimedia-analysis-mcp.git
   cd enhanced-multimedia-analysis-mcp

1. 安装依赖项：

   pip install -r requirements.txt

1. 安装 /aiv 命令：

   ./scripts/install_aiv.sh

1. 配置Claude桌面：

添加到您的Claude Desktop配置(~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

   {
     "mcpServers": {
       "video-analysis": {
         "command": "python3",
         "args": ["/path/to/enhanced-multimedia-analysis-mcp/video_analysis_mcp.py"]
       }
     }
   }

1. 重新启动克劳德桌面 并测试：

   /aiv sunset over mountains with dramatic clouds

______________________________________________________________________

💡 用法示例

基本分析

/aiv A majestic eagle soaring over mountains at sunset

通过平台优化

/aiv 30-second product video --platform Instagram --depth deep

以人物为中心的分析

/aiv Detective noir scene --focus character consistency, cinematography

使用自定义热键

/aiv Epic battle scene --hotkeys A1,C1,L1,E1 --format json

可用选项

______________________________________________________________________

🏗️ 建筑

┌─────────────────────────────────────────────────────────────────┐
│                     Claude Desktop / MCP Client                  │
│                    Slash Commands: /aiv                          │
└────────────────────────────┬────────────────────────────────────┘
                             │ JSON-RPC 2.0 over stdio
┌────────────────────────────▼────────────────────────────────────┐
│              Video Analysis MCP Server                           │
│              (video_analysis_mcp.py)                            │
│                                                                  │
│  ┌────────────────────────────────────────────────────────┐   │
│  │              4 MCP Tools                                │   │
│  │  • video_analysis_analyze_image                        │   │
│  │  • video_analysis_analyze_video                        │   │
│  │  • video_analysis_analyze_multimedia                   │   │
│  │  • video_analysis_get_hotkeys                          │   │
│  └─────────────────────┬──────────────────────────────────┘   │
│                        │                                        │
│  ┌─────────────────────▼──────────────────────────────────┐   │
│  │         Analysis Engine (Hotkey-Based)                  │   │
│  └─────────────────────┬──────────────────────────────────┘   │
│                        │                                        │
│  ┌─────────────────────▼──────────────────────────────────┐   │
│  │         Prompt Generator                                │   │
│  └─────────────────────┬──────────────────────────────────┘   │
│                        │                                        │
│  ┌─────────────────────▼──────────────────────────────────┐   │
│  │         Output Formatter (Markdown/JSON)                │   │
│  └─────────────────────────────────────────────────────────┘   │
└────────────────────────────────────────────────────────────────┘

技术栈

• 框架： MCP Python SDK（FastMCP）
• 验证： Pydantic v2型号
• Python版本： 3.10+
• 设计模式： 面向工具，无状态
• 沟通： 基于stdio的JSON-RPC 2.0

______________________________________________________________________

📚 文档

• 主规范 -完整的系统文档
• /aiv指挥指南 -Slash命令的使用和示例
• 安装脚本 -位于 scripts/install_aiv.sh

______________________________________________________________________

🔧 配置

环境变量

使用环境变量配置MCP服务器行为：

# Output character limit
export VIDEO_ANALYSIS_CHAR_LIMIT=25000

# Enable debug logging
export VIDEO_ANALYSIS_DEBUG=false

# Enable caching (improves performance)
export VIDEO_ANALYSIS_CACHE_ENABLED=true
export VIDEO_ANALYSIS_CACHE_DIR=/tmp/video_analysis_cache
export VIDEO_ANALYSIS_CACHE_TTL=3600

# Set default analysis depth
export VIDEO_ANALYSIS_DEFAULT_DEPTH=standard

Claude桌面配置

macOS： ~/Library/Application Support/Claude/claude_desktop_config.json Linux： ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "video-analysis": {
      "command": "python3",
      "args": ["/path/to/video_analysis_mcp.py"],
      "env": {
        "VIDEO_ANALYSIS_CHAR_LIMIT": "25000",
        "VIDEO_ANALYSIS_CACHE_ENABLED": "true",
        "VIDEO_ANALYSIS_CACHE_DIR": "/tmp/video_analysis_cache"
      }
    }
  }
}

______________________________________________________________________

🎯 特性

分析框架

该系统使用了一个全面的基于热键的分析框架，其中100多个维度按类别组织：

• A系列： 美学与视觉风格（A1-A13）
• S系列： 故事与叙事（S1-S12）
• C系列： 角色和主题（C1-C12）
• K系列： 电影摄影（K1-K13）
• P系列： 平台优化（P1-P10）
• E系列： 执行和技术（E1-E12）

分析深度

平台优化

• 让我们试试： 垂直格式，钩子优先，趋势声音
• Instagram： 审美第一、网格感知、故事融合
• 油管 缩略图优化、保留重点、SEO
• 电影院： 电影语言、宽高比、戏剧质量

______________________________________________________________________

🚢 部署

码头工人

docker build -t video-analysis-mcp:1.1.0 .
docker run -d --name video-analysis-mcp video-analysis-mcp:1.1.0

系统化服务

看 docs/MASTER \_规格.md 有关完整的部署说明，包括：

• 系统化服务配置
• Kubernetes部署
• Docker编写设置
• 监控和可观察性

______________________________________________________________________

🧪 测试

运行全面测试：

python3 -m pytest tests/

测试单个工具：

# Test image analysis
python3 -c "from video_analysis_mcp import test_image_analysis; test_image_analysis()"

# Test video analysis
python3 -c "from video_analysis_mcp import test_video_analysis; test_video_analysis()"

______________________________________________________________________

📈 演出

启用缓存

______________________________________________________________________

🤝 贡献

欢迎投稿！请随时提交拉取请求。对于重大更改，请先打开一个问题来讨论您想要更改的内容。

开发环境设置

1. 克隆存储库
2. 安装开发依赖项： pip install -r requirements-dev.txt
3. 运行测试： pytest tests/
4. 遵循代码风格指南（PEP 8）

______________________________________________________________________

📝 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

🙏 致谢

• 建立在 模型上下文协议 通过Anthropic
• 用途 FastMCP 用于MCP服务器实现
• 受到专业视频制作工作流程的启发

______________________________________________________________________

📞 支持

• 问题：
• 文档： docs/MASTER \_规格.md
• 讨论：

______________________________________________________________________

🗺️ 路线图

• \[\]实时视频文件分析
• \[\]与流行的AI视频生成器集成
• \[\]用于生成提示的Web界面
• \[\]批处理能力
• \[\]高级缓存策略
• \[\]多语言支持

______________________________________________________________________

由以下材料制成❤️ 面向AI视频生成社区

版本1.1.0| 更新日志 | 文档