openmedia-mcp

Kontexteffiziente MCP-Server-Suite zum Extrahieren, Analysieren und Bearbeiten von Medien – Bilder, PDFs, Video, Audio – entwickelt für KI-Agenten.

Funktioniert mit jeder MCP-kompatiblen Host-Umgebung (opencode, Claude Code/Desktop, Cursor, Windsurf, Cline, LM Studio, ...) über stdio, streamable HTTP oder SSE.

Warum

Multimodale Modelle können sehen, aber die meisten Host-Umgebungen geben ihnen keine saubere Möglichkeit, sich ein Video, ein gescanntes PDF oder ein 20-MB-Foto anzusehen, ohne dabei entweder zu scheitern oder Unmengen an Kontext zu verbrauchen. openmedia-mcp behebt das mit festen Regeln:

• Jede visuelle Ausgabe wird verkleinert und neu komprimiert, bevor sie das Modell erreicht (konfigurierbare maximale Kantenlänge / JPEG-Qualität).

• Jede Textausgabe ist begrenzt durch einen expliziten Kürzungsmarker, der dem Modell mitteilt, wie es weitere Inhalte abrufen kann.

• Frame-/Seitenlimits pro Aufruf (12 Frames, 8 Seiten) verhindern versehentliche Kontextfluten.

• URLs werden vollwertig unterstützt: Video-Seiten-URLs (YouTube + über 1000 Websites via yt-dlp) werden einmalig mit ≤720p abgerufen und zwischengespeichert; direkte Datei-URLs werden mit einer Größenbegrenzung zwischengespeichert.

Related MCP server: Vision MCP Server

Anforderungen

Python ≥ 3.10 plus System-Binaries (alle werden zur Aufrufzeit mit aussagekräftigen Fehlermeldungen aufgelöst – nur die Tools, die Sie tatsächlich aufrufen, benötigen ihr Binary):

Optional: Mit pip install 'openmedia-mcp[whisper]' wird lokale Sprach-zu-Text-Erkennung (audio_transcribe) über faster-whisper aktiviert.

Installation & Ausführung

# From a local checkout
uv run --project /path/to/openmedia-mcp openmedia-mcp

# Or install as a tool
uv tool install git+https://github.com/Builderstar/openmedia-mcp.git
openmedia-mcp --tools pdf,image

opencode

{
  "mcp": {
    "openmedia": {
      "type": "local",
      "command": ["uv", "run", "--project", "/home/you/projects/openmedia-mcp", "openmedia-mcp"]
    }
  }
}

Claude Desktop / generische MCP-Konfiguration

{
  "mcpServers": {
    "openmedia": {
      "command": "uv",
      "args": ["run", "--project", "/home/you/projects/openmedia-mcp", "openmedia-mcp"]
    }
  }
}

HTTP-Transport

openmedia-mcp --transport streamable-http --host 127.0.0.1 --port 8756

Toolsets

Binden Sie mit --tools image,pdf,video,audio nur das ein, was die jeweilige Host-Umgebung benötigt (Standard: alle). media_probe ist immer verfügbar.

image

pdf

video

audio

Konfiguration (Umgebungsvariablen)

Sicherheit und Datenschutz

Dieser Server arbeitet mit den Berechtigungen des Benutzers, der ihn startet. Die Tools können lokale Medien lesen, URLs abrufen, Medienverarbeitungs-Binaries ausführen und in vom Aufrufer gewählte Ausgabepfade schreiben. Tool-Antworten können absolute Pfade und Medien-Metadaten enthalten. Verbinden Sie nur vertrauenswürdige MCP-Clients.

Die HTTP-Transporte bieten keine Authentifizierung. Sie binden standardmäßig an Loopback; machen Sie sie nicht einem anderen Host oder einem nicht vertrauenswürdigen Netzwerk zugänglich, ohne einen separaten, authentifizierten Proxy und eine Netzwerk-Policy zu verwenden. URL-Abrufe können Adressen erreichen, die vom Host aus sichtbar sind, einschließlich Diensten in privaten Netzwerken.

Das optionale Whisper-Tool lädt beim ersten Aufruf das base-Modell von faster-whisper herunter und speichert es im Cache. Bereiten Sie diesen Modell-Cache für den Offline-Betrieb vorab vor.

Entwicklung

uv sync                          # install deps
uv run python tests/smoke_test.py [sample-video.mp4]   # exercises every tool

Der Smoke-Test erzeugt ein eigenes Testbild und ein eigenes Test-PDF; übergeben Sie eine lokale Videodatei, um zusätzlich die Video-/Audio-Toolsets abzudecken.

Lizenz

MIT