Skip to main content
Glama
deenesjakoruzh
michaeljabbour

video-mcp

by michaeljabbour
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

video-mcp

Phase 2a Skelett — nur Stubs, noch keine Live-API-Anbindung. Die Live-Anbindung für Veo folgt in Phase 2a.2.

Ein asynchroner Video-Generierungs-MCP-Server mit Multi-Provider-Unterstützung.

Python 3.10+ License: MIT

Status

⚠️ Dies ist ein Phase 2a Skelett. Alle Provider geben Stub-Antworten zurück — gefälschte Job-IDs, die nach ca. 2 Sekunden Echtzeit von submitted → pending → complete wechseln. Es werden keine echten Videodaten generiert. Die Live-Anbindung für Veo 3.1 ist der nächste Meilenstein (Phase 2a.2).

Related MCP server: hyper-video-service

Zweck

Bietet eine MCP-Schnittstelle für asynchrone Videogenerierung unter Verwendung mehrerer Backend-Provider. Entwickelt für die Verwendung mit dem Orchestrierungs-Bundle amplifier-bundle-creative.

Verwandte Links

Provider

Provider

Status

Anmerkungen

Veo 3.1 Standard

Stub — Live-Anbindung ausstehend

$0.40/Sek., 4K, bestes Lip-Sync

Veo 3.1 Fast

Stub — Live-Anbindung ausstehend

$0.15/Sek., 1080p, schnellere Iteration

Veo 3.1 Lite

Stub — Live-Anbindung ausstehend

$0.05/Sek., 720p/1080p, hohes Volumen

Grok Imagine Video

Nur Stub — löst NotImplementedError aus

D019: xAI DPA/MSA ausstehend

Sora 2 Pro

Nur Stub — löst NotImplementedError aus

D010: API EOL 24.09.2026

Stub-Verhalten: Veo-Stubs geben eine gefälschte job_id zurück (z. B. stub_veo_standard_abc123). Ein Aufruf von get_job_status mit dieser ID gibt für ca. 2 Sekunden status: pending zurück, danach status: complete mit einer Platzhalter-output_url. Es wird kein echtes Video produziert.

Einrichtung

Erforderliche Umgebungsvariablen:

Variable

Zweck

GEMINI_API_KEY

Veo 3.1 Provider (Live-Anbindung ausstehend)

Optional:

Variable

Standard

Zweck

XAI_API_KEY

—

Grok Imagine Video (beschränkt — siehe D019)

OUTPUT_DIR

~/Downloads/videos/

Basis-Ausgabeverzeichnis

VIDEO_MCP_REQUEST_TIMEOUT

300

Request-Timeout in Sekunden

VIDEO_MCP_LOG_PROMPTS

false

Vollständige Prompts im Ereignisprotokoll speichern

Schnellstart

generate_video

Einen Videogenerierungs-Job übermitteln (gibt sofort eine job_id zurück):

{
  "tool": "generate_video",
  "params": {
    "prompt": "A serene mountain lake at golden hour, camera slowly panning right",
    "provider": "veo-3.1-standard",
    "duration": 8.0,
    "aspect_ratio": "16:9"
  }
}

Antwort:

## ✅ Video Job Submitted

**Provider:** veo-3.1-standard
**Job ID:** `stub_veo_standard_a1b2c3d4e5f6`
**Status:** submitted

### ⏰ Polling Instructions
Call `get_job_status` with job_id `stub_veo_standard_a1b2c3d4e5f6` every ~15 seconds.
Typical completion: 30–120s for live Veo calls (2s for stubs).

get_job_status

Auf Abschluss pollen:

{
  "tool": "get_job_status",
  "params": {
    "job_id": "stub_veo_standard_a1b2c3d4e5f6"
  }
}

Antwort (nach ca. 2s mit Stubs):

## ✅ Video Complete

**Job ID:** `stub_veo_standard_a1b2c3d4e5f6`
**Status:** complete
**Progress:** 100%
**Output URL:** https://stub.example.com/video/stub_veo_standard_a1b2c3d4e5f6.mp4

Projektstruktur

video-mcp/
├── src/
│   ├── server.py              # MCP entry point — generate_video, get_job_status
│   ├── config/
│   │   ├── constants.py       # VEO_MODELS, STUBBED_PROVIDERS, limits
│   │   ├── settings.py        # Env-var settings (GEMINI_API_KEY, XAI_API_KEY, ...)
│   │   ├── paths.py           # Output path resolution
│   │   └── dotenv.py          # .env loader shim
│   ├── providers/
│   │   ├── base.py            # VideoProvider ABC, VideoCapabilities, VideoJobResult, JobStore
│   │   ├── veo_provider.py    # Veo 3.1 Standard/Fast/Lite stubs
│   │   ├── sora_provider.py   # Sora 2 stub (D010)
│   │   ├── grok_provider.py   # Grok Imagine stub (D019)
│   │   ├── selector.py        # Provider routing (override + default)
│   │   └── registry.py        # Provider factory + JobStore routing
│   ├── models/
│   │   └── input_models.py    # Pydantic models for MCP tools
│   ├── exceptions.py          # VideoError hierarchy
│   └── services/
│       └── logging_config.py  # Structured JSONL event logging
└── tests/
    ├── test_providers.py
    └── test_server.py

Entwicklung

# Clone and install
git clone https://github.com/michaeljabbour/video-mcp.git
cd video-mcp
python3 -m venv venv && source venv/bin/activate
pip install -e ".[dev]"

# Run tests
pytest tests/ -v

# Verify server loads
python3 -c "from src.server import mcp; print('Server loads OK')"

# Start server (waits for MCP stdio)
python -m src.server

Lizenz

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers