MCP ビデオ認識サーバー

Google の Gemini AI を使用して画像、音声、ビデオ認識用のツールを提供する MCP (Model Context Protocol) サーバー。

特徴

• 画像認識: Google Gemini AI を使用して画像を分析および説明する

• 音声認識: Google Gemini AI を使用して音声を分析し、書き起こします

• 動画認識: Google Gemini AI を使用して動画を分析し、説明する

前提条件

• Node.js 18以上

• Google Gemini APIキー

インストール

手動インストール

1. リポジトリをクローンします。

   git clone https://github.com/yourusername/mcp-video-recognition.git cd mcp-video-recognition

2. 依存関係をインストールします:

   npm install

3. プロジェクトをビルドします。

   npm run build

FLUJOへのインストール

1. サーバーの追加をクリック

2. Github URL をコピーして FLUJO に貼り付けます

3. 「解析」、「複製」、「インストール」、「ビルド」、「保存」をクリックします。

設定ファイルによるインストール

構成ファイルを介してこの MCP サーバーを Cline または他の MCP クライアントと統合するには、次の手順を実行します。

1. Cline 設定を開きます:

   • VS Codeで、「ファイル」->「設定」->「設定」に移動します。

   • 「Cline MCP 設定」を検索

   • 「settings.jsonで編集」をクリック

2. mcpServersオブジェクトにサーバー構成を追加します。

   { "mcpServers": { "video-recognition": { "command": "node", "args": [ "/path/to/mcp-video-recognition/dist/index.js" ], "disabled": false, "autoApprove": [] } } }

3. /path/to/mcp-video-recognition/dist/index.jsを、プロジェクトディレクトリ内のindex.jsファイルへの実際のパスに置き換えてください。Windows の場合は、パスにスラッシュ (/) または二重のバックスラッシュ (\\) を使用してください。

4. 設定ファイルを保存します。Cline は自動的にサーバーに接続します。

構成

サーバーは環境変数を使用して構成されます。

• GOOGLE_API_KEY (必須): Google Gemini API キー

• TRANSPORT_TYPE : 使用するトランスポートタイプ ( stdioまたはsse 、デフォルトはstdio )

• PORT : SSEトランスポートのポート番号（デフォルトは3000）

• LOG_LEVEL : ログレベル ( verbose 、 debug 、 info 、 warn 、 error 、デフォルトはinfo )

使用法

サーバーの起動

stdioトランスポートあり（デフォルト）

SSEトランスポート

ツールの使用

サーバーは、MCP クライアントから呼び出すことができる 3 つのツールを提供します。

画像認識

音声認識

ビデオ認識

ツールパラメータ

すべてのツールは次のパラメータを受け入れます。

• filepath (必須): 分析するメディアファイルへのパス

• prompt （オプション）：認識のためのカスタムプロンプト（デフォルトは「このコンテンツを説明してください」）

• modelname (オプション): 認識に使用する Gemini モデル (デフォルトは "gemini-2.0-flash")

発達

開発モードで実行

プロジェクト構造

• src/index.ts : エントリポイント

• src/server.ts : MCP サーバーの実装

• src/tools/ : ツールの実装

• src/services/ : サービス実装 (Gemini API)

• src/types/ : 型定義

• src/utils/ : ユーティリティ関数

ライセンス

マサチューセッツ工科大学