Token导航 LogoToken导航

MCP Server · 运维云端

Manimmcpserver

一个智能动画生成系统,通过自然语言描述转换为使用Manim的数学动画,包含Streamlit网络界面和FastMCP服务器渲染功能。

stdio官方级别未说明来源级核验工具 0
Python自然语言处理云端部署

快速开始

作者 / 组织
kavsrd13
提供方
kavsrd13
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Manimmcpserver 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前要先准备 API Key。

分类

运维云端

传输方式

stdio

认证方式

API Key

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

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。

详细介绍

🎬 动画生成器

一个智能动画生成系统,使用Manim将自然语言描述转换为数学动画。该系统由Azure OpenAI支持的Streamlit web界面和用于动画渲染的FastMCP服务器组成。

🏗️ 建筑

Streamlit App (Cloud) 
    ↓ (Natural Language)
Azure OpenAI API (Converts to Manim Code)
    ↓ (Manim Code)
FastMCP Server (Renders Animation)
    ↓ (Video)
Streamlit App (Displays Result)

📋 先决条件

  • Python 3.9或更高版本
  • Azure OpenAI API密钥和终结点
  • FastMCP云帐户(用于部署)
  • GitHub帐户(用于代码托管)

🚀 快速入门-本地测试

1.安装依赖项

# Create virtual environment
python -m venv venv
venv\Scripts\activate  # Windows

# Install dependencies
pip install -r requirements-mcp.txt
pip install -r requirements-streamlit.txt

2.配置环境

创建 .env 文件:

AZURE_OPENAI_API_KEY=your_api_key
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/
AZURE_OPENAI_DEPLOYMENT_NAME=your_deployment_name
AZURE_OPENAI_API_VERSION=2024-12-01-preview
MCP_SERVER_URL=http://localhost:8000

3.本地运行

终端1-MCP服务器:

python mcp_server.py

2号航站楼-Streamlit应用程序:

streamlit run streamlit_app.py

🌐 云部署

部署到FastMCP云

  1. 将代码推送到GitHub:
git push origin main
  1. 转到FastMCP云仪表板:https://cloud.fastmcp.io
  1. 从GitHub存储库创建新部署
  1. 获取部署URL(例如。, https://manim-mcp-server.fastmcp.io)
  1. 更新Streamlit Cloud机密:
MCP_SERVER_URL = https://your-deployment-url.fastmcp.io

将Streamlit应用程序部署到Streamlit云

  1. 将代码推送到GitHub
  1. 首选https://share.streamlit.io
  1. 连接您的存储库
  1. 在部署设置中添加机密:
AZURE_OPENAI_API_KEY = your_key
AZURE_OPENAI_ENDPOINT = your_endpoint
AZURE_OPENAI_DEPLOYMENT_NAME = your_deployment
MCP_SERVER_URL = https://your-mcp-server-url.fastmcp.io

该应用程序将在您的浏览器中打开 http://localhost:8501

🌐 部署

📁 项目结构

MCPproject/
├── streamlit_app.py              # Streamlit UI
├── mcp_server.py                 # MCP Server with FastAPI
├── requirements-mcp.txt          # MCP Server dependencies
├── requirements-streamlit.txt    # Streamlit dependencies
├── mcpconfig.json                # FastMCP configuration
├── .streamlit/
│   └── config.toml              # Streamlit settings
├── .gitignore                    # Git ignore (protects .env)
├── .env                          # Local secrets (not in git)
└── README.md                     # This file

🔑 主要特点

  • 自然语言输入:用简单的英语描述动画
  • AI驱动:使用Azure OpenAI将文本转换为Manim代码
  • 即时渲染:FastMCP服务器快速生成视频
  • 网络界面:简洁的Streamlit UI,便于交互
  • 云就绪:部署在Streamlit Cloud+FastMCP Cloud上

📝 用法示例

  1. 打开Streamlit应用程序
  2. 输入:“创建一个可以变成正方形的圆”
  3. 点击“生成动画”
  4. 查看并下载生成的视频

🔐 安全

  • .env 文件被gitignored(机密从未推送到GitHub)
  • 将Streamlit Cloud机密用于生产
  • 为MCP服务器使用FastMCP Cloud机密

🛠️ 环境变量

# Azure OpenAI
AZURE_OPENAI_API_KEY        # Your API key
AZURE_OPENAI_ENDPOINT       # Your endpoint URL
AZURE_OPENAI_DEPLOYMENT_NAME # Deployment name
AZURE_OPENAI_API_VERSION    # API version (2024-12-01-preview)

# MCP Server
MCP_SERVER_URL              # URL of FastMCP server

📚 文档

  • 马尼姆: https://docs.manim.community/
  • 溪流: https://docs.streamlit.io/
  • FastMCP: https://docs.fastmcp.io/
  • Azure OpenAI: https://learn.microsoft.com/en-us/azure/ai-services/openai/

🚀 部署链接

  • 流光云:https://share.streamlit.io
  • FastMCP云:https://cloud.fastmcp.io
  • github:https://github.com/kavsrd13/ManimMCPServer

📧 支持

对于问题:

  • 检查相应仪表板中的错误日志
  • 查看Manim文档了解动画语法
  • 验证API凭据是否正确

______________________________________________________________________

使用Azure OpenAI+FastMCP+Manim+Streamlit构建 🎨

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

动画生成Python本地部署自然语言处理数学可视化云渲染AI驱动

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备API Key,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到API Key的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Manimmcpserver

MCP World · 本页

0stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Manimmcpserver 怎么安装?

公开资料给出的安装命令是 python -m venv venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Manimmcpserver 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Manimmcpserver 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Manimmcpserver 需要 API Key 吗?

公开资料标注的认证方式是API Key,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Manimmcpserver 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP