Servidor de reconocimiento de vídeo MCP

Un servidor MCP (Protocolo de contexto de modelo) que proporciona herramientas para el reconocimiento de imágenes, audio y vídeo mediante Gemini AI de Google.

Características

• Reconocimiento de imágenes : analiza y describe imágenes con Google Gemini AI

• Reconocimiento de audio : analiza y transcribe audio con Google Gemini AI

• Reconocimiento de video : analiza y describe videos con Google Gemini AI

Related MCP server: MCP Gemini API Server

Prerrequisitos

• Node.js 18 o superior

• Clave API de Google Gemini

Instalación

Instalación manual

1. Clonar el repositorio:

   git clone https://github.com/yourusername/mcp-video-recognition.git
   cd mcp-video-recognition

2. Instalar dependencias:

   npm install

3. Construir el proyecto:

   npm run build

Instalación en FLUJO

1. Haga clic en Agregar servidor

2. Copie y pegue la URL de Github en FLUJO

3. Haga clic en Analizar, Clonar, Instalar, Compilar y Guardar.

Instalación mediante archivos de configuración

Para integrar este servidor MCP con Cline u otros clientes MCP a través de archivos de configuración:

1. Abra la configuración de Cline:

   • En VS Code, vaya a Archivo -> Preferencias -> Configuración

   • Buscar "Configuración de Cline MCP"

   • Haga clic en "Editar en settings.json".

2. Agregue la configuración del servidor al objeto mcpServers :

   {
     "mcpServers": {
       "video-recognition": {
         "command": "node",
         "args": [
           "/path/to/mcp-video-recognition/dist/index.js"
         ],
         "disabled": false,
         "autoApprove": []
       }
     }
   }

3. Reemplace /path/to/mcp-video-recognition/dist/index.js con la ruta real del archivo index.js en el directorio de su proyecto. Use barras diagonales (/) o barras invertidas dobles (\\) para la ruta en Windows.

4. Guarde el archivo de configuración. Cline debería conectarse automáticamente al servidor.

Configuración

El servidor se configura mediante variables de entorno:

• GOOGLE_API_KEY (obligatorio): Su clave API de Google Gemini

• TRANSPORT_TYPE : Tipo de transporte a utilizar ( stdio o sse , predeterminado stdio )

• PORT : Número de puerto para el transporte SSE (predeterminado 3000)

• LOG_LEVEL : Nivel de registro ( verbose , debug , info , warn , error , predeterminado info )

Uso

Iniciando el servidor

Con transporte stdio (predeterminado)

GOOGLE_API_KEY=your_api_key npm start

Con SSE Transport

GOOGLE_API_KEY=your_api_key TRANSPORT_TYPE=sse PORT=3000 npm start

Usando las herramientas

El servidor proporciona tres herramientas que pueden ser llamadas por los clientes MCP:

Reconocimiento de imágenes

{
  "name": "image_recognition",
  "arguments": {
    "filepath": "/path/to/image.jpg",
    "prompt": "Describe this image in detail",
    "modelname": "gemini-2.0-flash"
  }
}

Reconocimiento de audio

{
  "name": "audio_recognition",
  "arguments": {
    "filepath": "/path/to/audio.mp3",
    "prompt": "Transcribe this audio",
    "modelname": "gemini-2.0-flash"
  }
}

Reconocimiento de vídeo

{
  "name": "video_recognition",
  "arguments": {
    "filepath": "/path/to/video.mp4",
    "prompt": "Describe what happens in this video",
    "modelname": "gemini-2.0-flash"
  }
}

Parámetros de la herramienta

Todas las herramientas aceptan los siguientes parámetros:

• filepath (obligatorio): Ruta al archivo multimedia a analizar

• prompt (opcional): mensaje personalizado para el reconocimiento (predeterminado: "Describe este contenido")

• modelname (opcional): modelo de Gemini que se utilizará para el reconocimiento (el valor predeterminado es "gemini-2.0-flash")

Desarrollo

Ejecutando en modo de desarrollo

GOOGLE_API_KEY=your_api_key npm run dev

Estructura del proyecto

• src/index.ts : Punto de entrada

• src/server.ts : implementación del servidor MCP

• src/tools/ : Implementaciones de herramientas

• src/services/ : Implementaciones de servicios (API de Gemini)

• src/types/ : Definiciones de tipos

• src/utils/ : Funciones de utilidad

Licencia

Instituto Tecnológico de Massachusetts (MIT)