MCP Video Recognition Server

MCP-сервер, который описывает изображения, транскрибирует аудио и резюмирует видео из локальных файлов. По умолчанию используется Google Gemini или любой OpenAI-совместимый эндпоинт, например OpenRouter.

Возможности

• Выберите провайдера: Google Gemini (по умолчанию) или OpenAI-совместимый эндпоинт

• Три MCP-инструмента для локальных изображений, аудио и видео

• Опциональный запасной вариант модели Gemini, плюс финальный резервный OpenAI-совместимый вариант

Поддержка моделей различается. Выбор OpenAI-совместимого провайдера не означает, что каждый эндпоинт или модель обрабатывает все типы медиа, и сервер никогда не подменяет модель или провайдера за вас.

Related MCP server: Puter MCP Server

Предварительные требования

• Node.js 18.0.0 или новее

• Ключ API для вашего провайдера:

  • Gemini: GOOGLE_API_KEY

  • OpenAI-совместимый: OPENAI_COMPATIBLE_API_KEY

Установка

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

Быстрый старт

Добавьте сервер в конфигурацию вашего MCP-клиента и укажите его на собранный 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"
      }
    }
  }
}

В Windows используйте прямые слэши или удвоенные обратные слэши (\\) в пути. Сохраните файл и переподключите ваш MCP-клиент.

Для OpenRouter или другого OpenAI-совместимого эндпоинта установите RECOGNITION_PROVIDER=openai-compatible и его переменные. Готовый пример см. в Конфигурации.

С помощью FLUJO:

1. Нажмите Add Server.

2. Вставьте URL репозитория GitHub.

3. Нажмите Parse, Clone, Install, Build and Save.

Конфигурация

Сервер считывает переменные окружения. Наиболее распространённые:

Некорректные значения останавливают запуск; они не исправляются молча.

Полный список переменных, правила валидации, пример для OpenRouter и поддерживаемые типы медиа см. в Справочнике по конфигурации.

О запасном варианте модели Gemini и финальном резервном варианте см. в Справочнике по восстановлению провайдера.

Инструменты

Сервер предоставляет три MCP-инструмента. Каждый принимает локальный filepath, необязательный prompt (по умолчанию Describe this content) и необязательный параметр modelname для переопределения.

• image_recognition — описать изображение

• audio_recognition — транскрибировать или описать аудио

• video_recognition — описать видео

Пример:

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

Безопасность

• HTTPS требуется по умолчанию. Обычный HTTP разрешён только для явно включённого локального эндпоинта.

• OpenAI-совместимый провайдер и резервный вариант Gemini читают медиа только из каталогов, перечисленных в ALLOWED_MEDIA_ROOTS.

• Ключи остаются в окружении процесса. Не коммитьте реальные ключи.

Правила эндпоинтов, лимиты ресурсов и порядок действий при инцидентах см. в Справочнике по безопасности.

Разработка

# 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

Структура проекта

• src/index.ts: точка входа и создание провайдера

• src/server.ts: MCP-сервер и транспорт

• src/tools/: три инструмента распознавания

• src/services/: провайдеры Gemini и OpenAI-совместимый

• src/types/: общие типы

• src/utils/: вспомогательные функции

Лицензия

MIT