LumaMCP

Name: LumaMCP
Author: AceDataCloud

PyPI version PyPI downloads Python 3.10+ License: MIT MCP

Un servidor del Protocolo de Contexto de Modelo (MCP) para la generación de vídeo con IA utilizando Luma Dream Machine a través de la API de AceDataCloud.

Genera vídeos con IA directamente desde Claude, VS Code o cualquier cliente compatible con MCP.

Características

Texto a vídeo - Crea vídeos generados por IA a partir de prompts de texto
Imagen a vídeo - Anima imágenes con control de fotogramas inicial/final
Extensión de vídeo - Extiende vídeos existentes con contenido adicional
Múltiples relaciones de aspecto - Soporte para 16:9, 9:16, 1:1 y más
Vídeos en bucle - Crea animaciones en bucle sin interrupciones
Mejora de claridad - Mejora opcional de la calidad del vídeo
Seguimiento de tareas - Monitorea el progreso de la generación y recupera resultados

Referencia de herramientas

Herramienta	Descripción
`luma_generate_video`	Genera vídeo con IA a partir de un prompt de texto usando Luma Dream Machine.
`luma_generate_video_from_image`	Genera vídeo con IA usando imágenes de referencia como fotogramas iniciales y/o finales.
`luma_extend_video`	Extiende un vídeo existente con contenido adicional.
`luma_extend_video_from_url`	Extiende un vídeo existente usando su URL.
`luma_get_task`	Consulta el estado y el resultado de una tarea de generación de vídeo.
`luma_get_tasks_batch`	Consulta múltiples tareas de generación de vídeo a la vez.
`luma_list_aspect_ratios`	Lista todas las relaciones de aspecto disponibles para la generación de vídeo de Luma.
`luma_list_actions`	Lista todas las acciones de la API de Luma disponibles y sus herramientas correspondientes.

Inicio rápido

1. Obtén tu token de API

Regístrate en la Plataforma AceDataCloud
Ve a la página de documentación de la API
Haz clic en "Acquire" para obtener tu token de API
Copia el token para usarlo a continuación

2. Usa el servidor alojado (Recomendado)

AceDataCloud aloja un servidor MCP gestionado — no requiere instalación local.

Endpoint: https://luma.mcp.acedata.cloud/mcp

Todas las solicitudes requieren un token Bearer. Usa el token de API del paso 1.

Claude.ai

Conéctate directamente en Claude.ai con OAuth — no se necesita token de API:

Ve a Settings → Integrations → Add More en Claude.ai
Introduce la URL del servidor: https://luma.mcp.acedata.cloud/mcp
Completa el flujo de inicio de sesión OAuth
Empieza a usar las herramientas en tu conversación

Claude Desktop

Añádelo a tu configuración (~/Library/Application Support/Claude/claude_desktop_config.json en macOS):

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Cursor / Windsurf

Añádelo a tu configuración de MCP (.cursor/mcp.json o .windsurf/mcp.json):

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

VS Code (Copilot)

Añádelo a tu configuración de MCP de VS Code (.vscode/mcp.json):

{
  "servers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

O instala la extensión Ace Data Cloud MCP para VS Code, que agrupa los 15 servidores MCP con una configuración de un solo clic.

IDEs de JetBrains

Ve a Settings → Tools → AI Assistant → Model Context Protocol (MCP)
Haz clic en Add → HTTP
Pega:

{
  "mcpServers": {
    "luma": {
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Claude Code

Claude Code admite servidores MCP de forma nativa:

claude mcp add luma --transport http https://luma.mcp.acedata.cloud/mcp \
  -h "Authorization: Bearer YOUR_API_TOKEN"

O añádelo al archivo .mcp.json de tu proyecto:

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Cline

Añádelo a la configuración de MCP de Cline (.cline/mcp_settings.json):

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Amazon Q Developer

Añádelo a tu configuración de MCP:

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Roo Code

Añádelo a la configuración de MCP de Roo Code:

{
  "mcpServers": {
    "luma": {
      "type": "streamable-http",
      "url": "https://luma.mcp.acedata.cloud/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_TOKEN"
      }
    }
  }
}

Continue.dev

Añádelo a .continue/config.yaml:

mcpServers:
  - name: luma
    type: streamable-http
    url: https://luma.mcp.acedata.cloud/mcp
    headers:
      Authorization: "Bearer YOUR_API_TOKEN"

Zed

Añádelo a la configuración de Zed (~/.config/zed/settings.json):

{
  "language_models": {
    "mcp_servers": {
      "luma": {
        "url": "https://luma.mcp.acedata.cloud/mcp",
        "headers": {
          "Authorization": "Bearer YOUR_API_TOKEN"
        }
      }
    }
  }
}

Prueba con cURL

# Health check (no auth required)
curl https://luma.mcp.acedata.cloud/health

# MCP initialize
curl -X POST https://luma.mcp.acedata.cloud/mcp \
  -H "Content-Type: application/json" \
  -H "Accept: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"test","version":"1.0"}}}'

3. O ejecútalo localmente (Alternativa)

Si prefieres ejecutar el servidor en tu propia máquina:

# Install from PyPI
pip install mcp-luma
# or
uvx mcp-luma

# Set your API token
export ACEDATACLOUD_API_TOKEN="your_token_here"

# Run (stdio mode for Claude Desktop / local clients)
mcp-luma

# Run (HTTP mode for remote access)
mcp-luma --transport http --port 8000

Claude Desktop (Local)

{
  "mcpServers": {
    "luma": {
      "command": "uvx",
      "args": ["mcp-luma"],
      "env": {
        "ACEDATACLOUD_API_TOKEN": "your_token_here"
      }
    }
  }
}

Docker (Autoalojamiento)

docker pull ghcr.io/acedatacloud/mcp-luma:latest
docker run -p 8000:8000 ghcr.io/acedatacloud/mcp-luma:latest

Los clientes se conectan con su propio token Bearer: el servidor extrae el token de la cabecera Authorization de cada solicitud.

Herramientas disponibles

Generación de vídeo

Herramienta	Descripción
`luma_generate_video`	Genera vídeo a partir de un prompt de texto
`luma_generate_video_from_image`	Genera vídeo usando imágenes de referencia
`luma_extend_video`	Extiende un vídeo existente por ID
`luma_extend_video_from_url`	Extiende un vídeo existente por URL

Tareas

Herramienta	Descripción
`luma_get_task`	Consulta el estado de una sola tarea
`luma_get_tasks_batch`	Consulta múltiples tareas a la vez

Información

Herramienta	Descripción
`luma_list_aspect_ratios`	Lista las relaciones de aspecto disponibles
`luma_list_actions`	Lista las acciones de API disponibles

Ejemplos de uso

Generar vídeo a partir de un prompt

User: Create a video of waves on a beach

Claude: I'll generate a beach wave video for you.
[Calls luma_generate_video with prompt="Ocean waves gently crashing on sandy beach, sunset"]

Animar una imagen

User: Animate this image: https://example.com/image.jpg

Claude: I'll create a video from your image.
[Calls luma_generate_video_from_image with start_image_url and appropriate prompt]

Extender un vídeo

User: Continue this video with more action

Claude: I'll extend the video with additional content.
[Calls luma_extend_video with video_id and new prompt]

Relaciones de aspecto disponibles

Relación de aspecto	Descripción	Caso de uso
`16:9`	Paisaje (predeterminado)	YouTube, TV, presentaciones
`9:16`	Retrato	TikTok, Instagram Reels
`1:1`	Cuadrado	Publicaciones de Instagram
`4:3`	Tradicional	Formato de vídeo clásico
`3:4`	Retrato tradicional	Contenido en retrato
`21:9`	Ultrawide	Contenido cinematográfico
`9:21`	Ultrawide vertical	Pantallas verticales especiales

Configuración

Variables de entorno

Variable	Descripción	Predeterminado
`ACEDATACLOUD_API_TOKEN`	Token de API de AceDataCloud	Requerido
`ACEDATACLOUD_API_BASE_URL`	URL base de la API	`https://api.acedata.cloud`
`ACEDATACLOUD_OAUTH_CLIENT_ID`	ID de cliente OAuth (modo alojado)	—
`ACEDATACLOUD_PLATFORM_BASE_URL`	URL base de la plataforma	`https://platform.acedata.cloud`
`LUMA_DEFAULT_ASPECT_RATIO`	Relación de aspecto predeterminada	`16:9`
`LUMA_REQUEST_TIMEOUT`	Tiempo de espera de solicitud en segundos	`1800`
`LOG_LEVEL`	Nivel de registro	`INFO`

Opciones de línea de comandos

mcp-luma --help

Options:
  --version          Show version
  --transport        Transport mode: stdio (default) or http
  --port             Port for HTTP transport (default: 8000)

Desarrollo

Configurar el entorno de desarrollo

# Clone repository
git clone https://github.com/AceDataCloud/LumaMCP.git
cd LumaMCP

# Create virtual environment
python -m venv .venv
source .venv/bin/activate  # or `.venv\Scripts\activate` on Windows

# Install with dev dependencies
pip install -e ".[dev,test]"

Ejecutar pruebas

# Run unit tests
pytest

# Run with coverage
pytest --cov=core --cov=tools

# Run integration tests (requires API token)
pytest tests/test_integration.py -m integration

Calidad del código

# Format code
ruff format .

# Lint code
ruff check .

# Type check
mypy core tools

Construir y publicar

# Install build dependencies
pip install -e ".[release]"

# Build package
python -m build

# Upload to PyPI
twine upload dist/*

Estructura del proyecto

LumaMCP/
├── core/                   # Core modules
│   ├── __init__.py
│   ├── client.py          # HTTP client for Luma API
│   ├── config.py          # Configuration management
│   ├── exceptions.py      # Custom exceptions
│   ├── server.py          # MCP server initialization
│   ├── types.py           # Type definitions
│   └── utils.py           # Utility functions
├── tools/                  # MCP tool definitions
│   ├── __init__.py
│   ├── video_tools.py     # Video generation tools
│   ├── task_tools.py      # Task query tools
│   └── info_tools.py      # Information tools
├── prompts/                # MCP prompts
│   └── __init__.py        # Prompt templates
├── tests/                  # Test suite
│   ├── conftest.py
│   ├── test_client.py
│   ├── test_config.py
│   ├── test_integration.py
│   └── test_utils.py
├── deploy/                 # Deployment configs
│   └── production/
│       ├── deployment.yaml
│       ├── ingress.yaml
│       └── service.yaml
├── .env.example           # Environment template
├── .gitignore
├── CHANGELOG.md
├── Dockerfile             # Docker image for HTTP mode
├── docker-compose.yaml    # Docker Compose config
├── LICENSE
├── main.py                # Entry point
├── pyproject.toml         # Project configuration
└── README.md

Referencia de la API

Este servidor envuelve la API de Luma de AceDataCloud:

API de vídeos de Luma - Generación de vídeo
API de tareas de Luma - Consultas de tareas

Contribución

¡Las contribuciones son bienvenidas! Por favor:

Haz un fork del repositorio
Crea una rama de características (git checkout -b feature/amazing)
Confirma tus cambios (git commit -m 'Add amazing feature')
Envía a la rama (git push origin feature/amazing)
Abre una Pull Request

Licencia

Licencia MIT - consulta LICENSE para más detalles.

Enlaces

Hecho con amor por AceDataCloud