SoraMCP

Name: SoraMCP
Author: AceDataCloud

PyPI version PyPI downloads Python 3.10+ License: MIT MCP

Ein Model Context Protocol (MCP)-Server für KI-Videogenerierung mit Sora über die AceDataCloud API.

Generieren Sie KI-Videos direkt aus Claude, VS Code oder einem beliebigen MCP-kompatiblen Client.

Funktionen

Text-zu-Video - Generieren Sie Videos aus Textbeschreibungen
Bild-zu-Video - Animieren Sie Bilder und erstellen Sie Videos aus Referenzbildern
Charakter-Videos - Wiederverwendung von Charakteren in verschiedenen Szenen
Asynchrone Generierung - Webhook-Callbacks für Produktions-Workflows
Mehrere Ausrichtungen - Videos im Quer- und Hochformat
Aufgabenverfolgung - Überwachen Sie den Generierungsfortschritt und rufen Sie Ergebnisse ab

Tool-Referenz

Tool	Beschreibung
`sora_generate_video`	Generiert ein KI-Video aus einem Text-Prompt mit Sora.
`sora_generate_video_from_image`	Generiert ein KI-Video aus Referenzbildern mit Sora (Bild-zu-Video).
`sora_generate_video_with_character`	Generiert ein KI-Video mit einem Charakter aus einem Referenzvideo.
`sora_generate_video_async`	Generiert ein KI-Video asynchron mit Callback-Benachrichtigung.
`sora_generate_video_v2`	Generiert ein KI-Video mit Sora Version 2 (Partnerkanal).
`sora_generate_video_v2_async`	Generiert ein KI-Video asynchron mit Sora Version 2 und Callback.
`sora_get_task`	Fragt den Status und das Ergebnis einer Videogenerierungsaufgabe ab.
`sora_get_tasks_batch`	Fragt mehrere Videogenerierungsaufgaben gleichzeitig ab.
`sora_list_models`	Listet alle verfügbaren Sora-Modelle und deren Funktionen auf.
`sora_list_actions`	Listet alle verfügbaren Sora-API-Aktionen und die entsprechenden Tools auf.

Schnellstart

1. API-Token abrufen

Registrieren Sie sich auf der AceDataCloud-Plattform
Gehen Sie zur API-Dokumentationsseite
Klicken Sie auf "Acquire", um Ihr API-Token zu erhalten
Kopieren Sie das Token für die untenstehende Verwendung

2. Den gehosteten Server verwenden (Empfohlen)

AceDataCloud hostet einen verwalteten MCP-Server — keine lokale Installation erforderlich.

Endpunkt: https://sora.mcp.acedata.cloud/mcp

Alle Anfragen erfordern ein Bearer-Token. Verwenden Sie das API-Token aus Schritt 1.

Claude.ai

Verbinden Sie sich direkt auf Claude.ai mit OAuth — kein API-Token erforderlich:

Gehen Sie zu Claude.ai Einstellungen → Integrationen → Mehr hinzufügen
Geben Sie die Server-URL ein: https://sora.mcp.acedata.cloud/mcp
Schließen Sie den OAuth-Login-Prozess ab
Beginnen Sie mit der Nutzung der Tools in Ihrer Konversation

Claude Desktop

Fügen Sie dies zu Ihrer Konfiguration hinzu (~/Library/Application Support/Claude/claude_desktop_config.json unter macOS):

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

Cursor / Windsurf

Fügen Sie dies zu Ihrer MCP-Konfiguration hinzu (.cursor/mcp.json oder .windsurf/mcp.json):

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

VS Code (Copilot)

Fügen Sie dies zu Ihrer VS Code MCP-Konfiguration hinzu (.vscode/mcp.json):

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

Oder installieren Sie die Ace Data Cloud MCP-Erweiterung für VS Code, die alle 15 MCP-Server mit einer Ein-Klick-Einrichtung bündelt.

JetBrains IDEs

Gehen Sie zu Einstellungen → Tools → AI Assistant → Model Context Protocol (MCP)
Klicken Sie auf Hinzufügen → HTTP
Einfügen:

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

Claude Code

Claude Code unterstützt MCP-Server nativ:

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

Oder fügen Sie es zur .mcp.json Ihres Projekts hinzu:

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

Cline

Fügen Sie dies zu den MCP-Einstellungen von Cline hinzu (.cline/mcp_settings.json):

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

Amazon Q Developer

Fügen Sie dies zu Ihrer MCP-Konfiguration hinzu:

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

Roo Code

Fügen Sie dies zu den Roo Code MCP-Einstellungen hinzu:

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

Continue.dev

Fügen Sie dies zu .continue/config.yaml hinzu:

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

Zed

Fügen Sie dies zu den Einstellungen von Zed hinzu (~/.config/zed/settings.json):

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

cURL-Test

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

# MCP initialize
curl -X POST https://sora.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. Oder lokal ausführen (Alternative)

Wenn Sie den Server lieber auf Ihrem eigenen Rechner ausführen möchten:

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

# Set your API token
export ACEDATACLOUD_API_TOKEN="your_token_here"

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

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

Claude Desktop (Lokal)

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

Docker (Self-Hosting)

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

Clients verbinden sich mit ihrem eigenen Bearer-Token — der Server extrahiert das Token aus dem Authorization-Header jeder Anfrage.

Verfügbare Tools

Videogenerierung

Tool	Beschreibung
`sora_generate_video`	Generiert Video aus einem Text-Prompt
`sora_generate_video_from_image`	Generiert Video aus Referenzbildern
`sora_generate_video_with_character`	Generiert Video mit einem Charakter aus einem Referenzvideo
`sora_generate_video_async`	Generiert Video mit Callback-Benachrichtigung

Aufgaben

Tool	Beschreibung
`sora_get_task`	Fragt den Status einer einzelnen Aufgabe ab
`sora_get_tasks_batch`	Fragt mehrere Aufgaben gleichzeitig ab

Informationen

Tool	Beschreibung
`sora_list_models`	Listet verfügbare Sora-Modelle auf
`sora_list_actions`	Listet verfügbare API-Aktionen auf

Anwendungsbeispiele

Video aus Prompt generieren

User: Create a video of a sunset over mountains

Claude: I'll generate a sunset video for you.
[Calls sora_generate_video with prompt="A beautiful sunset over mountains..."]

Aus Bild generieren

User: Animate this image of a city skyline

Claude: I'll bring this image to life.
[Calls sora_generate_video_from_image with image_urls and prompt]

Charakterbasiertes Video

User: Use the robot character in a new scene

Claude: I'll create a new scene with the robot character.
[Calls sora_generate_video_with_character with character_url and prompt]

Verfügbare Modelle

Modell	Maximale Dauer	Qualität	Funktionen
`sora-2`	15 Sekunden	Gut	Standardgenerierung
`sora-2-pro`	25 Sekunden	Beste	Höhere Qualität, längere Videos

Video-Optionen

Größe:

small - Niedrigere Auflösung, schnellere Generierung
large - Höhere Auflösung (empfohlen)

Ausrichtung:

landscape - 16:9 (YouTube, Präsentationen)
portrait - 9:16 (TikTok, Instagram Stories)

Dauer:

10 Sekunden - Alle Modelle
15 Sekunden - Alle Modelle
25 Sekunden - Nur sora-2-pro

Konfiguration

Umgebungsvariablen

Variable	Beschreibung	Standard
`ACEDATACLOUD_API_TOKEN`	API-Token von AceDataCloud	Erforderlich
`ACEDATACLOUD_API_BASE_URL`	API-Basis-URL	`https://api.acedata.cloud`
`ACEDATACLOUD_OAUTH_CLIENT_ID`	OAuth-Client-ID (gehosteter Modus)	—
`ACEDATACLOUD_PLATFORM_BASE_URL`	Plattform-Basis-URL	`https://platform.acedata.cloud`
`SORA_DEFAULT_MODEL`	Standardmodell	`sora-2`
`SORA_DEFAULT_SIZE`	Standard-Videogröße	`large`
`SORA_DEFAULT_DURATION`	Standarddauer (Sekunden)	`15`
`SORA_DEFAULT_ORIENTATION`	Standardausrichtung	`landscape`
`SORA_REQUEST_TIMEOUT`	Anfrage-Timeout (Sekunden)	`3600`
`LOG_LEVEL`	Logging-Level	`INFO`

Befehlszeilenoptionen

mcp-sora --help

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

Entwicklung

Entwicklungsumgebung einrichten

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

# 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]"

Tests ausführen

# 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

Code-Qualität

# Format code
ruff format .

# Lint code
ruff check .

# Type check
mypy core tools

Build & Veröffentlichen

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

# Build package
python -m build

# Upload to PyPI
twine upload dist/*

Projektstruktur

SoraMCP/
├── core/                   # Core modules
│   ├── __init__.py
│   ├── client.py          # HTTP client for Sora 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 prompt templates
│   └── __init__.py
├── 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

API-Referenz

Dieser Server umschließt die AceDataCloud Sora API:

Sora Videos API - Videogenerierung
Sora Tasks API - Aufgabenabfragen

Mitwirken

Beiträge sind willkommen! Bitte:

Forken Sie das Repository
Erstellen Sie einen Feature-Branch (git checkout -b feature/amazing)
Committen Sie Ihre Änderungen (git commit -m 'Add amazing feature')
Pushen Sie auf den Branch (git push origin feature/amazing)
Öffnen Sie einen Pull Request

Lizenz

MIT-Lizenz - siehe LICENSE für Details.

Links

Mit Liebe gemacht von AceDataCloud