openmedia-mcp

メディア（画像、PDF、動画、音声）を抽出・解析・操作するための、コンテキスト効率に優れたMCPサーバースイートです。AIエージェント向けに設計されています。

stdio、streamable HTTP、またはSSEを介して、あらゆるMCP互換ハーネス（opencode、Claude Code/Desktop、Cursor、Windsurf、Cline、LM Studioなど）で動作します。

なぜ

マルチモーダルモデルは見ることはできますが、ほとんどのハーネスには、動画、スキャン済みPDF、20MBの写真を、エラーを起こすことも、膨大なコンテキストを消費することもなく参照する手段がありません。openmedia-mcpは、厳格なルールでその問題を解決します:

• すべての視覚出力は、モデルに到達する前に縮小＋再圧縮されます（最大寸法・JPEG品質は設定可能）。

• すべてのテキスト出力には上限が設定され、モデルがさらに取得する方法を示す明示的な切り詰めマーカーが付けられます。

• 呼び出しごとのフレーム/ページ上限（12フレーム、8ページ）により、意図しないコンテキストの氾濫を防ぎます。

• URLは第一級の対象です: 動画ページのURL（YouTube + yt-dlp対応の1000以上のサイト）は720p以下で一度だけ取得されキャッシュされます。直接指定するファイルURLのキャッシュにはサイズ上限が設定されます。

Related MCP server: Vision MCP Server

要件

Python ≥ 3.10に加えて、システムバイナリが必要です（すべて呼び出し時に解決され、対処方法がわかるエラーメッセージが返ります。実際に呼び出すツールにだけバイナリが必要です）。

オプション: pip install 'openmedia-mcp[whisper]' を実行すると、faster-whisper によるローカル音声認識（audio_transcribe）が有効になります。

インストールと実行

# 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 / 一般的なMCP設定

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

HTTPトランスポート

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

ツールセット

指定したハーネスが必要とするものだけを --tools image,pdf,video,audio でマウントします（デフォルト: すべて）。media_probe は常に利用できます。

image

pdf

video

audio

設定（環境変数）

セキュリティとプライバシー

このサーバーは、起動したユーザーの権限で動作します。そのツールはローカルメディアを読み取り、URLを取得し、メディア処理バイナリを実行し、呼び出し元が指定した出力パスに書き込むことができます。ツールの応答には絶対パスやメディアのメタデータが含まれることがあります。信頼できるMCPクライアントだけを接続してください。

HTTPトランスポートは認証を提供しません。デフォルトではループバックにのみバインドされます。認証付きの別プロキシとネットワークポリシーを別途用意しない限り、他のホストや信頼できないネットワークに公開しないでください。URLの取得は、ホストから見えるアドレス（プライベートネットワークのサービスを含む）へ到達できます。

オプションのWhisperツールは、初回使用時に base faster-whisper モデルをダウンロードしキャッシュします。オフライン運用のために、事前にそのモデルキャッシュを準備しておいてください。

開発

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

スモークテストは、テスト用の画像とPDFを自動作成します。ローカルの動画ファイルを渡すと、動画・音声のツールセットもカバーされます。

ライセンス

MIT