MCP视频识别服务器

MCP（模型上下文协议）服务器，使用 Google 的 Gemini AI 提供图像、音频和视频识别工具。

特征

• 图像识别：使用 Google Gemini AI 分析和描述图像

• 音频识别：使用 Google Gemini AI 分析和转录音频

• 视频识别：使用 Google Gemini AI 分析和描述视频

先决条件

• Node.js 18 或更高版本

• Google Gemini API 密钥

安装

手动安装

1. 克隆存储库：

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

2. 安装依赖项：

   npm install

3. 构建项目：

   npm run build

在FLUJO中安装

1. 单击“添加服务器”

2. 将 Github URL 复制并粘贴到 FLUJO 中

3. 单击解析、克隆、安装、构建和保存。

通过配置文件安装

要通过配置文件将此 MCP 服务器与 Cline 或其他 MCP 客户端集成：

1. 打开您的 Cline 设置：

   • 在 VS Code 中，转到“文件”->“首选项”->“设置”

   • 搜索“Cline MCP 设置”

   • 点击“在settings.json中编辑”

2. 将服务器配置添加到mcpServers对象：

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

3. 将/path/to/mcp-video-recognition/dist/index.js替换为项目目录中index.js文件的实际路径。在 Windows 系统中，请使用正斜杠 (/) 或双反斜杠 (\\) 作为路径。

4. 保存设置文件。Cline 应该会自动连接到服务器。

配置

使用环境变量配置服务器：

• GOOGLE_API_KEY （必需）：您的 Google Gemini API 密钥

• TRANSPORT_TYPE ：要使用的传输类型（ stdio或sse ，默认为stdio ）

• PORT ：SSE 传输的端口号（默认为 3000）

• LOG_LEVEL ：日志级别（ verbose 、 debug 、 info 、 warn 、 error ，默认为info ）

用法

启动服务器

使用 stdio 传输（默认）

使用 SSE Transport

使用工具

服务器提供了三个可供 MCP 客户端调用的工具：

图像识别

音频识别

视频识别

工具参数

所有工具均接受以下参数：

• filepath （必需）：要分析的媒体文件的路径

• prompt （可选）：识别的自定义提示（默认为“描述此内容”）

• modelname （可选）：用于识别的 Gemini 模型（默认为“gemini-2.0-flash”）

发展

以开发模式运行

项目结构

• src/index.ts ：入口点

• src/server.ts ：MCP 服务器实现

• src/tools/ ：工具实现

• src/services/ ：服务实现（Gemini API）

• src/types/ ：类型定义

• src/utils/ ：实用程序函数

执照

麻省理工学院