Skip to main content
Glama
deenesjakoruzh
michaeljabbour

video-mcp

by michaeljabbour
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

video-mcp

Esqueleto de la Fase 2a — solo stubs, aún sin conexión a la API real. La conexión en vivo de Veo llegará en la Fase 2a.2.

Un servidor MCP de generación de vídeo asíncrono con soporte para múltiples proveedores.

Python 3.10+ License: MIT

Estado

⚠️ Este es un esqueleto de la Fase 2a. Todos los proveedores devuelven respuestas provisionales (stubs): IDs de trabajo falsos que avanzan de submitted → pending → complete después de ~2 segundos de tiempo real. No se generan bytes de vídeo reales. La conexión en vivo de Veo 3.1 es el siguiente hito (Fase 2a.2).

Related MCP server: hyper-video-service

Propósito

Proporciona una interfaz MCP para la generación de vídeo asíncrona utilizando múltiples proveedores de backend. Diseñado para su uso con el paquete de orquestación amplifier-bundle-creative.

Enlaces relacionados

Proveedores

Proveedor

Estado

Notas

Veo 3.1 Standard

Stub — conexión en vivo pendiente

$0.40/seg, 4K, mejor sincronización labial

Veo 3.1 Fast

Stub — conexión en vivo pendiente

$0.15/seg, 1080p, iteración más rápida

Veo 3.1 Lite

Stub — conexión en vivo pendiente

$0.05/seg, 720p/1080p, alto volumen

Grok Imagine Video

Solo stub — lanza NotImplementedError

D019: xAI DPA/MSA pendiente

Sora 2 Pro

Solo stub — lanza NotImplementedError

D010: API EOL 2026-09-24

Comportamiento de los stubs: Los stubs de Veo devuelven un job_id falso (p. ej., stub_veo_standard_abc123). Una llamada a get_job_status con ese ID devolverá status: pending durante ~2 segundos, luego status: complete con un output_url de marcador de posición. No se produce ningún vídeo real.

Configuración

Variables de entorno requeridas:

Variable

Propósito

GEMINI_API_KEY

Proveedor Veo 3.1 (conexión en vivo pendiente)

Opcional:

Variable

Predeterminado

Propósito

XAI_API_KEY

—

Grok Imagine Video (restringido — ver D019)

OUTPUT_DIR

~/Downloads/videos/

Directorio de salida base

VIDEO_MCP_REQUEST_TIMEOUT

300

Tiempo de espera de la solicitud en segundos

VIDEO_MCP_LOG_PROMPTS

false

Registrar prompts completos en el registro de eventos

Inicio rápido

generate_video

Enviar un trabajo de generación de vídeo (devuelve inmediatamente un job_id):

{
  "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"
  }
}

Respuesta:

## ✅ 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

Consultar el estado de finalización:

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

Respuesta (después de ~2s con 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

Estructura del proyecto

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

Desarrollo

# 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

Licencia

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