mcp-video-vision
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
No arguments | |||
Instructions
Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.
This server publishes no instructions, or was last inspected before Glama recorded them.
Capabilities
Features and capabilities supported by this server
Protocol revision2025-11-25
| Capability | Details |
|---|---|
| tools | {
"listChanged": true
} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| video_infoA | Lê metadata do vídeo (duração, fps, resolução, codec, tamanho) sem processar frames. Passo inicial barato antes de extrair frames ou detectar cenas. |
| extract_framesC | Extrai frames do vídeo num intervalo fixo de fps. Use auto_fps=true (padrão) para deixar o servidor escolher o fps com base na duração do vídeo. |
| detect_scenesB | Detecta cortes de cena via análise de diferença entre frames (ffmpeg scene detection). Retorna timestamps de corte com score de confiança — ideal para decupagem (1 frame por plano). |
| frame_atB | Extrai um único frame de um timestamp exato. Útil para 'o que tem em 1:30?'. |
| decuparB | Tool-mãe de edição: detecta cenas, extrai 1 frame representativo por plano e devolve um log de conteúdo navegável (decupagem) sem precisar scrubbar a timeline. |
| transcribeA | Transcreve o áudio de um vídeo ou arquivo de áudio usando Whisper local. Retorna o texto completo com timestamps por segmento — essencial para alinhar narração/VO com b-rolls num fluxo de edição. Modelos disponíveis: tiny, base, small (padrão), medium, large-v3. |
| catalog_brollsA | Analisa visualmente uma lista de clips de b-roll: roda decupagem em cada um e retorna o catálogo completo com frames representativos de cada plano. Use antes de match_edit para que o Claude veja o conteúdo visual disponível. |
| generate_xmlA | Gera um arquivo XMEML (XML do Premiere Pro / FCP) a partir de uma lista de decisões de edição. Salva o arquivo em output_path e retorna o XML gerado. Importe no Premiere via File → Import. |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
No resources | |
TDQS
Scored across 8 tools
Most tools have clearly distinct purposes (e.g., transcribe, video_info, generate_xml). However, there is some overlap: decupar and detect_scenes both detect scenes, and catalog_brolls also extracts representative frames, which could cause confusion. The descriptions help differentiate but ambiguity remains for these tools.
Tool names mix English and Portuguese (catalog_brolls, decurpar vs. detect_scenes, extract_frames). Naming patterns are inconsistent: some are verb_noun (detect_scenes, extract_frames), others are noun_verb? (catalog_brolls) or single verbs (decupar). This inconsistency makes it harder to predict tool functions from names alone.
8 tools is an appropriate number for a video analysis and editing server. Each tool covers a distinct part of the workflow (metadata, scene detection, frame extraction, transcription, XML generation) without being overwhelming or too sparse.
The tool set covers the core video analysis pipeline: metadata extraction, scene detection, frame extraction, audio transcription, and XML export for editing. Minor gaps exist: no tool for searching within transcriptions or for directly combining scenes into edit decisions, but these are manageable for an agent.