VeoMCP

Name: VeoMCP
Author: AceDataCloud

PyPI version PyPI downloads Python 3.10+ License: MIT MCP

Ein Model Context Protocol (MCP)-Server für KI-Videogenerierung unter Verwendung von Veo über die AceDataCloud API.

Erstellen Sie KI-Videos aus Text-Prompts oder Bildern direkt aus Claude, VS Code oder einem beliebigen MCP-kompatiblen Client.

Funktionen

Text zu Video - Erstellen Sie KI-generierte Videos aus Textbeschreibungen
Bild zu Video - Animieren Sie Bilder oder erstellen Sie Übergänge zwischen Bildern
Multi-Bild-Fusion - Kombinieren Sie Elemente aus mehreren Bildern
1080p-Upscaling - Erhalten Sie hochauflösende Versionen der generierten Videos
Aufgabenverfolgung - Überwachen Sie den Fortschritt der Generierung und rufen Sie Ergebnisse ab
Mehrere Modelle - Wählen Sie zwischen Qualität und Geschwindigkeit mit verschiedenen Veo-Modellen

Tool-Referenz

Tool	Beschreibung
`veo_text_to_video`	Generiert KI-Video aus einem Text-Prompt mit Veo.
`veo_image_to_video`	Generiert KI-Video aus einem oder mehreren Referenzbildern mit Veo.
`veo_get_1080p`	Ruft die hochauflösende 1080p-Version eines generierten Videos ab.
`veo_get_task`	Fragt den Status und das Ergebnis einer Videogenerierungsaufgabe ab.
`veo_get_tasks_batch`	Fragt mehrere Videogenerierungsaufgaben gleichzeitig ab.
`veo_list_models`	Listet alle verfügbaren Veo-Modelle und deren Fähigkeiten auf.
`veo_list_actions`	Listet alle verfügbaren Veo-API-Aktionen und die entsprechenden Tools auf.
`veo_get_prompt_guide`	Erhält Anleitungen zum Schreiben effektiver Prompts für die Veo-Videogenerierung.

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://veo.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://veo.mcp.acedata.cloud/mcp
Schließen Sie den OAuth-Login-Prozess ab
Beginnen Sie mit der Nutzung der Tools in Ihrem Chat

Claude Desktop

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

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

Cursor / Windsurf

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

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

VS Code (Copilot)

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

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

Claude Code

Claude Code unterstützt MCP-Server nativ:

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

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

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

Cline

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

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

Amazon Q Developer

Fügen Sie dies Ihrer MCP-Konfiguration hinzu:

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

Roo Code

Fügen Sie dies den Roo Code MCP-Einstellungen hinzu:

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

Continue.dev

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

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

Zed

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

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

cURL-Test

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

# MCP initialize
curl -X POST https://veo.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-veo
# or
uvx mcp-veo

# Set your API token
export ACEDATACLOUD_API_TOKEN="your_token_here"

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

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

Claude Desktop (Lokal)

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

Docker (Self-Hosting)

docker pull ghcr.io/acedatacloud/mcp-veo:latest
docker run -p 8000:8000 ghcr.io/acedatacloud/mcp-veo: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
`veo_text_to_video`	Generiert Video aus einem Text-Prompt
`veo_image_to_video`	Generiert Video aus Referenzbild(ern)
`veo_get_1080p`	Ruft hochauflösende 1080p-Version ab

Aufgaben

Tool	Beschreibung
`veo_get_task`	Fragt einen einzelnen Aufgabenstatus ab
`veo_get_tasks_batch`	Fragt mehrere Aufgaben gleichzeitig ab

Informationen

Tool	Beschreibung
`veo_list_models`	Listet verfügbare Veo-Modelle auf
`veo_list_actions`	Listet verfügbare API-Aktionen auf
`veo_get_prompt_guide`	Erhält Anleitung zum Schreiben von Videoprompts

Anwendungsbeispiele

Video aus Text generieren

User: Create a video of a sunset over the ocean

Claude: I'll generate a sunset video for you.
[Calls veo_text_to_video with prompt="Cinematic shot of a golden sunset over the ocean, waves gently rolling, warm colors reflecting on the water"]

Ein Bild animieren

User: Animate this product image to make it rotate slowly

Claude: I'll create a video from your image.
[Calls veo_image_to_video with image_urls=["product_image.jpg"], prompt="Product slowly rotates 360 degrees, studio lighting"]

Bildübergang erstellen

User: Create a video that transitions between these two landscape photos

Claude: I'll create a transition video between your images.
[Calls veo_image_to_video with image_urls=["img1.jpg", "img2.jpg"], prompt="Smooth cinematic transition between scenes"]

Verfügbare Modelle

Modell	Text2Video	Image2Video	Bildeingabe
`veo2`	✅	✅	1 Bild (erster Frame)
`veo2-fast`	✅	✅	1 Bild (erster Frame)
`veo3`	✅	✅	1-3 Bilder
`veo3-fast`	✅	✅	1-3 Bilder
`veo31`	✅	✅	1-3 Bilder
`veo31-fast`	✅	✅	1-3 Bilder
`veo31-fast-ingredients`	❌	✅	1-3 Bilder (Fusion)

Seitenverhältnisse:

16:9 - Breitbild (Standard)
9:16 - Hochformat (Social Media)
4:3 - Standard
3:4 - Hochformat Standard
1:1 - Quadratisch

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`
`VEO_DEFAULT_MODEL`	Standardmodell für Generierung	`veo2`
`VEO_REQUEST_TIMEOUT`	Anfrage-Timeout in Sekunden	`180`
`LOG_LEVEL`	Logging-Level	`INFO`

Befehlszeilenoptionen

mcp-veo --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/VeoMCP.git
cd VeoMCP

# 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

VeoMCP/
├── core/                   # Core modules
│   ├── __init__.py
│   ├── client.py          # HTTP client for Veo 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
│   ├── info_tools.py      # Information tools
│   └── task_tools.py      # Task query tools
├── prompts/                # MCP prompts
│   └── __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
├── 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 Veo API:

Veo Videos API - Videogenerierung
Veo 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