MCP Video Recognition Server

Ein MCP-Server, der Bilder beschreibt, Audio transkribiert und Videos aus lokalen Dateien zusammenfasst. Er verwendet standardmäßig Google Gemini oder einen beliebigen OpenAI-kompatiblen Endpunkt wie OpenRouter.

Funktionen

• Wählen Sie Ihren Anbieter: Google Gemini (Standard) oder einen OpenAI-kompatiblen Endpunkt

• Drei MCP-Tools für lokale Bilder, Audio und Video

• Optionale Gemini-Modell-Fallback plus ein letztes OpenAI-kompatibles Backup

Die Modellunterstützung variiert. Die Wahl des OpenAI-kompatiblen Anbieters bedeutet nicht, dass jeder Endpunkt oder jedes Modell jeden Medientyp verarbeitet, und der Server ersetzt für Sie niemals ein Modell oder einen Anbieter.

Related MCP server: Puter MCP Server

Voraussetzungen

• Node.js 18.0.0 oder höher

• Ein API-Schlüssel für Ihren Anbieter:

  • Gemini: GOOGLE_API_KEY

  • OpenAI-kompatibel: OPENAI_COMPATIBLE_API_KEY

Installation

git clone https://github.com/yourusername/mcp-video-recognition.git
cd mcp-video-recognition
npm install
npm run build

Schnellstart

Fügen Sie den Server zu Ihrer MCP-Client-Konfiguration hinzu und verweisen Sie auf das erstellte dist/index.js:

{
  "mcpServers": {
    "video-recognition": {
      "command": "node",
      "args": ["/path/to/mcp-video-recognition/dist/index.js"],
      "env": {
        "GOOGLE_API_KEY": "your_google_api_key"
      }
    }
  }
}

Unter Windows verwenden Sie Schrägstriche oder doppelte Backslashes (\\) im Pfad. Speichern Sie die Datei und verbinden Sie Ihren MCP-Client neu.

Für OpenRouter oder einen anderen OpenAI-kompatiblen Endpunkt setzen Sie RECOGNITION_PROVIDER=openai-compatible sowie dessen Variablen. Siehe Konfiguration für ein fertiges Beispiel.

Mit FLUJO:

1. Klicken Sie auf Server hinzufügen.

2. Fügen Sie die GitHub-URL ein.

3. Klicken Sie auf Parsen, Klonen, Installieren, Erstellen und Speichern.

Konfiguration

Der Server liest Umgebungsvariablen. Die häufigsten sind:

Ungültige Werte verhindern den Start; sie werden nicht stillschweigend korrigiert.

Die vollständige Variablenliste, Validierungsregeln, das OpenRouter-Beispiel und unterstützte Medientypen finden Sie in der Konfigurationsreferenz.

Für den Gemini-Modell-Fallback und das letzte Backup siehe Referenz zur Anbieter-Wiederherstellung.

Tools

Der Server stellt drei MCP-Tools bereit. Jedes nimmt einen lokalen filepath, einen optionalen prompt (Standard Describe this content) und eine optionale modelname-Überschreibung.

• image_recognition — ein Bild beschreiben

• audio_recognition — Audio transkribieren oder beschreiben

• video_recognition — ein Video beschreiben

Beispiel:

{
  "name": "video_recognition",
  "arguments": {
    "filepath": "/path/to/video.mp4",
    "prompt": "Describe what happens in this video"
  }
}

Sicherheit

• HTTPS ist standardmäßig erforderlich. Nur-Text-HTTP ist nur für einen explizit aktivierten lokalen Endpunkt erlaubt.

• Der OpenAI-kompatible Anbieter und das Gemini-Backup lesen Medien nur aus Verzeichnissen, die Sie in ALLOWED_MEDIA_ROOTS angeben.

• Schlüssel bleiben in der Prozessumgebung. Nehmen Sie keine echten Schlüssel in die Versionskontrolle auf.

Endpunktregeln, Ressourcengrenzen und Reaktion auf Vorfälle finden Sie in der Sicherheitsreferenz.

Entwicklung

# Run in development mode
GOOGLE_API_KEY=your_api_key npm run dev

# Build and run the provider foundation tests
npm run verify:provider-foundation

Projektstruktur

• src/index.ts: Einstiegspunkt und Anbieterkonstruktion

• src/server.ts: MCP-Server und Transport

• src/tools/: die drei Erkennungstools

• src/services/: Gemini- und OpenAI-kompatible Anbieter

• src/types/: gemeinsame Typen

• src/utils/: Hilfsfunktionen

Lizenz

MIT