openmedia-mcp

Suite de servidor MCP eficiente en el uso de contexto para extraer, analizar y manipular medios — imágenes, PDFs, vídeo, audio — diseñada para agentes de IA.

Funciona con cualquier cliente compatible con MCP (opencode, Claude Code/Desktop, Cursor, Windsurf, Cline, LM Studio, ...) a través de stdio, HTTP transmisible o SSE.

Por qué

Los modelos multimodales pueden ver, pero la mayoría de los clientes no les dan una forma limpia de ver un vídeo, un PDF escaneado o una foto de 20 MB sin fallar ni gastar una enorme cantidad de contexto. openmedia-mcp lo soluciona con reglas estrictas:

• Toda salida visual se reduce de escala y se vuelve a comprimir antes de llegar al modelo (dimensión máxima y calidad JPEG configurables).

• Cada salida de texto se limita con un marcador explícito de truncamiento que le indica al modelo cómo obtener más.

• Límites de fotogramas/páginas por llamada (12 fotogramas, 8 páginas) evitan las inundaciones accidentales de contexto.

• Las URLs son de primera clase: las URLs de páginas de vídeo (YouTube + más de 1000 sitios mediante yt-dlp) se obtienen una sola vez a ≤720p y se guardan en caché; las URLs directas de archivo se guardan en caché con un límite de tamaño.

Related MCP server: Vision MCP Server

Requisitos

Python ≥ 3.10 más binarios del sistema (todos se resuelven en el momento de la llamada con mensajes de error accionables; solo las herramientas que realmente use cada uno necesitan su binario):

Opcional: pip install 'openmedia-mcp[whisper]' habilita la transcripción local de voz a texto (audio_transcribe) mediante faster-whisper.

Instalación y ejecución

# 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 / configuración MCP genérica

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

Transporte HTTP

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

Conjuntos de herramientas

Carga únicamente lo que un cliente concreto necesite con --tools image,pdf,video,audio (por defecto: todos). media_probe está siempre disponible.

image

pdf

video

audio

Configuración (variables de entorno)

Seguridad y privacidad

Este servidor actúa con los permisos del usuario que lo inicia. Sus herramientas pueden leer medios locales, obtener URLs, ejecutar binarios de procesamiento de medios y escribir en rutas de salida seleccionadas por quien llama. Las respuestas de las herramientas pueden incluir rutas absolutas y metadatos de medios. Conecte únicamente clientes MCP de confianza.

Los transportes HTTP no proporcionan autenticación. Se vinculan a loopback por defecto; no los exponga a otros hosts ni a una red no confiable sin un proxy autenticado y una política de red por separado. La obtención de URLs puede alcanzar direcciones visibles desde el host, incluidos servicios de redes privadas.

La herramienta opcional de Whisper descarga y guarda en caché el modelo base de faster-whisper en la primera ejecución. Prepare la caché de ese modelo con antelación para operar en modo sin conexión.

Desarrollo

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

La prueba de humo genera su propia imagen de prueba y su propio PDF; pásale cualquier archivo de vídeo local para cubrir también los conjuntos de herramientas de vídeo/audio.

Licencia

MIT