Servidor de reconocimiento de vídeo MCP

Un servidor MCP (Protocolo de contexto de modelo) que proporciona herramientas para el reconocimiento de imágenes, audio y vídeo mediante Gemini AI de Google.

Características

Reconocimiento de imágenes : analiza y describe imágenes con Google Gemini AI
Reconocimiento de audio : analiza y transcribe audio con Google Gemini AI
Reconocimiento de video : analiza y describe videos con Google Gemini AI

Prerrequisitos

Node.js 18 o superior
Clave API de Google Gemini

Instalación

Instalación manual

Clonar el repositorio:
git clone https://github.com/yourusername/mcp-video-recognition.git cd mcp-video-recognition
Instalar dependencias:
npm install
Construir el proyecto:
npm run build

Instalación en FLUJO

Haga clic en Agregar servidor
Copie y pegue la URL de Github en FLUJO
Haga clic en Analizar, Clonar, Instalar, Compilar y Guardar.

Instalación mediante archivos de configuración

Para integrar este servidor MCP con Cline u otros clientes MCP a través de archivos de configuración:

Abra la configuración de Cline:
- En VS Code, vaya a Archivo -> Preferencias -> Configuración
- Buscar "Configuración de Cline MCP"
- Haga clic en "Editar en settings.json".
Agregue la configuración del servidor al objeto mcpServers :
{ "mcpServers": { "video-recognition": { "command": "node", "args": [ "/path/to/mcp-video-recognition/dist/index.js" ], "disabled": false, "autoApprove": [] } } }
Reemplace /path/to/mcp-video-recognition/dist/index.js con la ruta real del archivo index.js en el directorio de su proyecto. Use barras diagonales (/) o barras invertidas dobles (\\) para la ruta en Windows.
Guarde el archivo de configuración. Cline debería conectarse automáticamente al servidor.

Configuración

El servidor se configura mediante variables de entorno:

GOOGLE_API_KEY (obligatorio): Su clave API de Google Gemini
TRANSPORT_TYPE : Tipo de transporte a utilizar ( stdio o sse , predeterminado stdio )
PORT : Número de puerto para el transporte SSE (predeterminado 3000)
LOG_LEVEL : Nivel de registro ( verbose , debug , info , warn , error , predeterminado info )

Uso

Iniciando el servidor

Con transporte stdio (predeterminado)

GOOGLE_API_KEY=your_api_key npm start

Con SSE Transport

GOOGLE_API_KEY=your_api_key TRANSPORT_TYPE=sse PORT=3000 npm start

Usando las herramientas

El servidor proporciona tres herramientas que pueden ser llamadas por los clientes MCP:

Reconocimiento de imágenes

{
  "name": "image_recognition",
  "arguments": {
    "filepath": "/path/to/image.jpg",
    "prompt": "Describe this image in detail",
    "modelname": "gemini-2.0-flash"
  }
}

Reconocimiento de audio

{
  "name": "audio_recognition",
  "arguments": {
    "filepath": "/path/to/audio.mp3",
    "prompt": "Transcribe this audio",
    "modelname": "gemini-2.0-flash"
  }
}

Reconocimiento de vídeo

{
  "name": "video_recognition",
  "arguments": {
    "filepath": "/path/to/video.mp4",
    "prompt": "Describe what happens in this video",
    "modelname": "gemini-2.0-flash"
  }
}

Parámetros de la herramienta

Todas las herramientas aceptan los siguientes parámetros:

filepath (obligatorio): Ruta al archivo multimedia a analizar
prompt (opcional): mensaje personalizado para el reconocimiento (predeterminado: "Describe este contenido")
modelname (opcional): modelo de Gemini que se utilizará para el reconocimiento (el valor predeterminado es "gemini-2.0-flash")

Desarrollo

Ejecutando en modo de desarrollo

GOOGLE_API_KEY=your_api_key npm run dev

Estructura del proyecto

src/index.ts : Punto de entrada
src/server.ts : implementación del servidor MCP
src/tools/ : Implementaciones de herramientas
src/services/ : Implementaciones de servicios (API de Gemini)
src/types/ : Definiciones de tipos
src/utils/ : Funciones de utilidad

Licencia

Instituto Tecnológico de Massachusetts (MIT)

This server cannot be installed

-

security - not tested

-

license - not tested

-

quality - not tested

Proporciona herramientas para el reconocimiento de imágenes, audio y vídeo utilizando la inteligencia artificial Gemini de Google a través del Protocolo de contexto de modelo.

MCP Video Recognition Server