media-mcp
Officialmedia-mcp (Node.js)
Ein auf dem MCP-Protokoll basierender Dienst für Videoverbesserung und Bildsegmentierung, der als MCP Client-Server mit einem Backend-HTTP-Server interagiert.
Funktionen
Stellt die folgenden MCP-Tools bereit:
create_task- Erstellt eine Videoverbesserungsaufgabe (unterstützt URL oder lokalen Datei-Upload)get_task_status- Fragt den Aufgabenstatus abenhance_video_sync- Synchrones Verbessern von Videos (blockiert bis zum Abschluss)sam3_predict- SAM3-Bildsegmentierung (unterstützt lokale Pfade, URLs oder Base64-Bilder)
Related MCP server: Grok Imagine Video MCP Server
Voraussetzungen
Node.js >= 18 (Überprüfung:
node --version)API-Key (zur Authentifizierung, bitte beim Dienstanbieter anfordern)
Einfache Installation (Empfohlen)
Wenn dein KI-Agent einen definierten MCP-Konfigurationspfad hat, kopiere einfach den folgenden Satz und sende ihn an die KI:
帮我安装 npm 包 @avclabs.ai/media-mcp 作为 MCP server。我的 API Key 是:sk-xxxxxxxx。Die KI erledigt automatisch:
Erkennung deines verwendeten MCP-Clients
Auffinden des Konfigurationspfads
Schreiben der korrekten Konfiguration
Aufforderung zum Neustart des Clients
Manuelle Installation
Keine Installation erforderlich, einfach direkt in der MCP-Client-Konfiguration mit npx ausführen.
1. Claude Code (CLI)
Führe in Claude Code Folgendes aus:
/mcpSuche in der Ausgabe den Konfigurationspfad unter "User MCPs" und bearbeite diese Datei.
Typische Pfade (falls /mcp nicht verfügbar ist):
Windows:
%USERPROFILE%\.claude.jsonmacOS:
~/.claude.jsonLinux:
~/.claude.jsonAlt/Alternativ:
~/.claude/mcp.json
Füge den folgenden Inhalt ein (ersetze your-api-key durch deinen tatsächlichen API-Key):
{
"mcpServers": {
"video-enhancement": {
"command": "npx",
"args": ["-y", "@avclabs.ai/media-mcp@latest"],
"env": {
"API_KEY": "your-api-key"
}
}
}
}Nach dem Speichern /mcp ausführen, um die erfolgreiche Ladung zu überprüfen.
2. Cursor
Gehe zu Settings > Tools & MCPs > Add New MCP Server:
Name:
video-enhancementType:
commandCommand:
env HTTP_API_KEY=your-api-key npx -y @avclabs.ai/media-mcp@latest
Oder bearbeite ~/.cursor/mcp.json:
{
"mcpServers": {
"video-enhancement": {
"command": "npx",
"args": ["-y", "@avclabs.ai/media-mcp@latest"],
"env": {
"API_KEY": "your-api-key"
}
}
}
}Installation überprüfen
Starte den Client neu und bestätige, ob die Tools erfolgreich geladen wurden:
Oder frage die KI direkt: "Welche Tools stehen dir zur Verfügung?"
Du solltest sehen:
create_task,get_task_status,enhance_video_sync,sam3_predict
Konfigurationsoptionen
Variablenname | Erforderlich | Standardwert | Beschreibung |
| Ja | - | API-Authentifizierungsschlüssel (wird für Videoverbesserung und SAM3 verwendet) |
| Nein |
| Basis-URL der Videoverbesserungs-API |
| Nein |
| Basis-URL des SAM3-Dienstes |
| Nein |
| Abfrageintervall (in Millisekunden) |
| Nein |
| Maximale Anzahl der Abfragen |
Benutzerdefinierte Service-URLs
{
"env": {
"HTTP_API_BASE_URL": "https://your-endpoint.com",
"API_KEY": "your-api-key",
"SAM3_API_BASE_URL": "http://localhost:8001"
}
}Oder über Befehlszeilenargumente:
npx -y @avclabs.ai/media-mcp@latest --base-url https://your-endpoint.com --api-key your-api-key --sam3-base-url http://localhost:8001Anwendungsbeispiele
Nach der Konfiguration kannst du die KI in natürlicher Sprache anweisen:
"Hilf mir, dieses Video auf 1080p zu verbessern: https://example.com/video.mp4"
"Verbessere das Video video.mp4 auf meinem Desktop auf 2k-Qualität"
Die KI ruft automatisch das entsprechende Tool auf, um die Aufgabe zu erledigen.
"Analysiere dieses Bild und finde alle Objekte darin: C:\Users\xxx\photo.png"
"Segmentiere dieses Bild mit SAM3, der Prompt ist 'find all cars'"
Verfügbare Tools
create_task
Erstellt eine Videoverbesserungsaufgabe (asynchron).
Parameter | Typ | Erforderlich | Standardwert | Beschreibung |
| string | Ja | - | Video-URL oder lokaler Dateipfad (URL muss öffentlich zugänglich sein, Links, die Login oder Signaturen erfordern, werden nicht unterstützt) |
| string | Nein |
|
|
| string | Nein |
|
|
Rückgabewert:
{
"success": true,
"task_id": "xxx",
"status": "wait"
}get_task_status
Fragt den Aufgabenstatus ab.
Parameter | Typ | Erforderlich |
| string | Ja |
Rückgabewert:
{
"success": true,
"task_id": "xxx",
"status": "completed",
"progress": 100,
"video_url": "https://..."
}enhance_video_sync
Synchrones Verbessern von Videos (blockiert bis zum Abschluss).
Parameter | Typ | Erforderlich | Standardwert | Beschreibung |
| string | Ja | - | Video-URL oder lokaler Dateipfad (URL muss öffentlich zugänglich sein) |
| string | Nein |
|
|
| string | Nein |
| Zielauflösung |
| number | Nein |
| Abfrageintervall (Sekunden) |
| number | Nein |
| Timeout (Sekunden) |
sam3_predict
Analysiert ein Bild mit der SAM3-Segmentierungs-API und generiert Inferenz-Ergebnisse (Masken, Boxen, Scores).
Parameter:
Bildeingabe (eine von drei Optionen muss bereitgestellt werden):
imagePath(string): Absoluter Pfad zum lokalen Bild. Unterstützt gängige Formate (z. B. PNG, JPG, JPEG).Beispiel:
"C:\\Users\\xxx\\photo.png","/home/user/images/cat.jpg"Anwendungsfall: Der Benutzer hat explizit einen lokalen Dateipfad angegeben.
imageUrl(string): Öffentlich zugängliche Bild-URL.Beispiel:
"https://example.com/photo.jpg"Anwendungsfall: Das Bild ist online und der Benutzer hat einen Link bereitgestellt.
Hinweis: Die URL muss öffentlich zugänglich sein; Links, die Login oder Signaturen erfordern, werden nicht unterstützt.
imageBase64(string): Base64-kodierte Bilddaten.Beispiel:
"iVBORw0KGgoAAAANSUhEUgAA..."Anwendungsfall: Der Benutzer hat ein Bild angehängt, das der Agent in Base64 kodiert hat.
Hinweis: Base64-Daten großer Bilder können sehr umfangreich sein, was die Übertragungszeit verlängern kann.
Weitere Parameter:
prompt(string, erforderlich): Englischer Text-Prompt zur Angabe der zu segmentierenden Zielobjekte im Bild. Zum Beispiel"person","car","a cat sitting on a sofa". Da das SAM3-Modell nur englische Prompts akzeptiert, wird empfohlen, englische Beschreibungen zu verwenden. Wenn der Benutzer chinesischen oder anderen nicht-englischen Text bereitstellt, übersetzt der Agent diesen automatisch ins Englische.
Rückgabe:
Nach Abschluss der Inferenz wird direkt ein JSON-String zurückgegeben. Dieses JSON enthält die folgenden drei Felder:
masks: Zweidimensionales Array. Jedes Element ist eine binäre Maske (Werte 0 oder 1) in der Größe des Eingabebildes, die die pixelgenaue Position des erkannten Objekts markiert. Die i-te Maske entspricht der i-ten erkannten Objektinstanz.boxes: Zweidimensionales Array. Jedes Element ist ein Begrenzungsrahmen im Format[x1, y1, x2, y2], der den rechteckigen Bereich des erkannten Objekts darstellt.x1,y1sind die Koordinaten der oberen linken Ecke,x2,y2die der unteren rechten Ecke.Koordinatensystem: Ursprung
(0, 0)in der oberen linken Ecke des Bildes,x-Achse wächst nach rechts,y-Achse wächst nach unten, Einheit in Pixeln. Zum Beispiel bedeutet[120, 80, 300, 450], dass der Objektbereich 120px vom linken Rand und 80px vom oberen Rand beginnt und bei 300px vom linken Rand und 450px vom oberen Rand endet. Die Breite beträgtx2 - x1 = 180px, die Höhey2 - y1 = 370px.scores: Eindimensionales Array. Jedes Element ist der Konfidenzwert des entsprechenden Erkennungsergebnisses im Bereich von 0 bis 1. Ein höherer Wert bedeutet eine höhere Sicherheit des Modells.
Beispiel für den JSON-Inhalt des Ergebnisses:
{
"masks": [
[[0, 0, 1, ...], [0, 1, 1, ...], ...],
[[0, 0, 0, ...], [0, 0, 1, ...], ...]
],
"boxes": [
[120, 80, 300, 450],
[400, 200, 600, 500]
],
"scores": [0.95, 0.87]
}Häufig gestellte Fragen
Fehlermeldung "Datei nicht gefunden" nach dem Anhängen per Drag & Drop?
Dies ist eine bekannte Einschränkung von stdio MCP. Wenn Dateien über die Agent-Oberfläche per Drag & Drop hochgeladen werden, wird der Dateipfad oft nicht automatisch an den MCP-Server übermittelt.
Lösung:
Pfad zusätzlich angeben (Empfohlen): Nach dem Hochladen des Bildes den lokalen absoluten Pfad im Text angeben:
"Bitte verarbeite dieses Bild
D:\photos\cat.jpgund finde die Katze darin"Auf automatische Kodierung warten: Claude kodiert das Bild möglicherweise automatisch als Base64. Wenn dies gelingt, ist keine weitere Aktion erforderlich.
Auf Pfad-Anfrage antworten: Wenn Claude nach dem Bildpfad fragt, antworte direkt mit dem lokalen absoluten Pfad.
Gibt es eine Priorität bei den drei Eingabemethoden?
Es gibt keine strikte Priorität. Claude wählt automatisch die am besten geeignete Methode basierend auf dem Kontext:
Du gibst einen lokalen Pfad an →
imagePathwird verwendetDu gibst einen Weblink an →
imageUrlwird verwendetDu lädst einen Anhang hoch ohne Pfad →
imageBase64wird versucht
Welche Bildformate werden unterstützt?
Unterstützt werden gängige Formate: PNG, JPG, JPEG, BMP, WebP usw. Es wird empfohlen, PNG oder JPG zu bevorzugen.
Was tun, wenn der Download des URL-Bildes fehlschlägt?
Stelle sicher, dass die URL öffentlich zugänglich ist und keinen Login, Cookies oder Signaturen erfordert. Wenn sich das Bild auf einem Dienst mit Authentifizierung befindet (z. B. privater S3-Bucket), lade es bitte zuerst lokal herunter und verwende imagePath.
Was tun, wenn das Base64-Bild zu groß ist?
Wenn das Bild sehr groß ist (z. B. 4K-Auflösung), werden die Base64-Daten sehr umfangreich, was die Übertragung verlangsamen kann. Empfehlung:
Verwende stattdessen
imagePathOder komprimiere das Bild vor der Kodierung
Hinweise zum Datei-Upload
Wenn type auf "local" gesetzt ist, führt der MCP-Server folgende Schritte aus:
Liest die lokale Datei
Lädt sie über eine vorab signierte URL direkt in den TOS-Objektspeicher hoch
Maximale Dateigröße: 100 MB
Fehlerbehebung
"command not found: npx"
Installiere Node.js >= 18: https://nodejs.org/
"Fehler: --api-key muss bereitgestellt oder API_KEY gesetzt werden"
Der API-Key fehlt, bitte überprüfe env.API_KEY in der Konfiguration.
MCP-Server wird im Client rot/fehlerhaft angezeigt
Logdateien prüfen:
Claude Desktop macOS:
~/Library/Logs/Claude/mcp*.logClaude Desktop Windows:
%APPDATA%\Claude\logs\mcp*.logCursor: Output-Panel > MCP
"TOS-Upload fehlgeschlagen"
Dies liegt normalerweise an einer nicht übereinstimmenden Signatur. Bitte stelle sicher, dass HTTP_API_BASE_URL und HTTP_API_KEY korrekt und gültig sind.
Globale Installation (Optional)
Wenn du nicht jedes Mal npx verwenden möchtest:
npm install -g @avclabs.ai/media-mcpVerwende dann in der Konfiguration "command": "media-mcp" zusammen mit "args": ["--api-key", "your-api-key"].
Lizenz
MIT-Lizenz - siehe LICENSE-Datei für Details
Available Tools
4 toolscreate_taskB
创建视频增强任务(异步)
支持两种上传方式:
URL 上传:提供视频 URL
本地上传:提供本地文件路径,MCP Server 自动上传到 TOS 对象存储
参数说明:
video_source: 视频 URL 或本地文件路径
type: "url" 或 "local"
resolution: 目标分辨率
Inputs: video_source (required), type, resolution.
enhance_video_syncA
同步增强视频(阻塞等待完成)
支持两种上传方式:
URL 上传:提供视频 URL
本地上传:提供本地文件路径,MCP Server 自动上传到 TOS 对象存储
参数说明:
video_source: 视频 URL 或本地文件路径
type: "url" 或 "local"
resolution: 目标分辨率
poll_interval: 轮询间隔(秒)
timeout: 超时时间(秒)
Inputs: video_source (required), type, resolution, poll_interval, +1 more.
get_task_statusA
查询视频增强任务状态
Inputs: task_id (required).
sam3_predictA
Analyze an image using the SAM3 segmentation API to generate inference results (masks, boxes, scores). The image can be provided in one of three ways:
imagePath: Absolute path of a local image file (e.g. C:\Users\xxx\photo.png). Use this when the user provides a local file path.
imageUrl: Publicly accessible URL of the image (e.g. https://example.com/photo.jpg). Use this when the user provides a web link.
imageBase64: Base64-encoded image data. Use this when the user uploads or drags-and-drops an image as an attachment and no local path is available. In this case, encode the image content as base64 and pass it via this parameter. If the user mentions an uploaded image but does not provide a path, URL, or base64 data, ask the user for the local absolute path. Prompt must be in English. If the user provides Chinese or other non-English text, translate it to English before calling this tool.
Inputs: prompt (required), imagePath, imageUrl, imageBase64.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 4 tools
The first three tools are about video enhancement tasks with overlapping functionality (create_task and enhance_video_sync both appear to initiate enhancement), and the fourth tool (sam3_predict) is for image segmentation, a completely different domain. The descriptions are not clear enough to distinguish which tool to use for a given task, causing confusion.
Tool names partially follow a verb_noun pattern (create_task, get_task_status), but 'enhance_video_sync' is awkward and 'sam3_predict' mixes model name with verb, introducing inconsistency.
With 4 tools, the count is reasonable for a focused server, but the server actually combines two unrelated capabilities (video enhancement and image segmentation), making the scope unclear but the number itself is not extreme.
For video enhancement, there are create, sync enhance, and status query, but missing cancel, list, or delete operations. For image segmentation, only a single predict tool exists. The surface is incomplete for both domains.
Maintenance
Related MCP Connectors
MCP server for Wan AI video generation
MCP server for Google Veo AI video generation
MCP server for MiniMax H3 multimodal video generation
MCP server for Luma Dream Machine AI video generation
Related MCP Servers
- AlicenseNot gradedqualityBmaintenanceMCP server for 4K video generation using Google VEO 3.1 — text-to-video, image-to-video, video extension, and frame interpolation.3MIT
- AlicenseAqualityCmaintenanceMCP server for generating, editing, and batch processing videos using xAI's Grok Imagine Video API, with support for text-to-video, image-to-video, and video editing via natural language prompts.4105 npm1MIT
- AlicenseAqualityDmaintenanceMCP server for AI-powered media generation: images, videos, audio, and upscaling using 99 AI models.6MIT
- AlicenseNot gradedqualityDmaintenanceAn MCP server enabling video processing via natural language: transcription with Whisper, segment cutting with FFmpeg, and file management.MIT