HermesKit

As capacidades de mídia do Hermes Agent empacotadas como plugin MCP para o Google Antigravity (e para qualquer cliente MCP): editar vídeo, limpar e transcrever áudio, gerar imagem, fazer OCR, operar o Chrome logado do usuário, ler/criar documentos e gerar narração.

Tudo roda na máquina: ffmpeg, faster-whisper, ClearerVoice MossFormer2, ComfyUI/FLUX, Tesseract, SAPI e Chrome via CDP. Zero custo de API, zero upload de arquivo do usuário.

O que vem pronto

Related MCP server: mcp-ffmpeg

Como está montado

C:\HermesKit\
├── mcp_server.py            # stdio JSON-RPC (MCP) — o único ponto de entrada
├── kittools.py              # registro: schemas + handlers
├── kitcore.py               # descoberta de ambiente, subprocesso, ffprobe, status
├── tools_media.py           # vídeo, áudio e imagem
├── tools_voice.py           # tts (SAPI)
├── tools_browser.py         # Chrome via CDP + Playwright
├── tools_office.py          # docx / xlsx / pptx / pdf
├── scripts/
│   ├── transcrever.py       # faster-whisper lendo WAV pela stdlib
│   ├── denoise_mossformer.py# ClearerVoice MossFormer2 (venv de voz)
│   └── tts.ps1              # SAPI -> WAV
├── antigravity/             # bundle do plugin (plugin.json, skill, regras, README)
├── setup-antigravity.ps1    # instala no Antigravity e testa o handshake
├── selftest.py              # 25 checagens de ponta a ponta via MCP
└── out/                     # saídas (fora do git)

O plugin do Antigravity é um bundle: plugin.json (identidade), mcp_config.json (aponta para este mcp_server.py), skills/hermes-kit/SKILL.md (como usar) e rules/AGENTS.md (convenções do usuário). Não há cópia do código: o plugin aponta para o motor único neste diretório — corrigir aqui corrige nos dois lados.

Requisitos

# venv do whisper (Python 3.12: faster-whisper ainda não tem wheel para 3.14)
uv venv --python 3.12 "C:\HermesKit\venv-whisper"
uv pip install --python "C:\HermesKit\venv-whisper\Scripts\python.exe" faster-whisper numpy

# venv de voz (MossFormer2) — NUNCA no Python principal: clearvoice rebaixa o numpy
python -m venv C:\Users\<u>\voz-env
C:\Users\<u>\voz-env\Scripts\python.exe -m pip install clearvoice soundfile

Nada disso é obrigatório para subir o servidor: sem whisper o audio_transcribe responde erro claro, sem ComfyUI o image_generate responde erro claro. kit_status diz o que existe.

Instalação no Antigravity

git clone https://github.com/renatopenner/hermes-kit C:\HermesKit
cd C:\HermesKit
powershell -NoProfile -ExecutionPolicy Bypass -File .\setup-antigravity.ps1

O script copia o bundle para %USERPROFILE%\.gemini\config\plugins\hermes-kit, gera o mcp_config.json com os caminhos desta máquina, baixa os modelos rnnoise e testa o handshake. Depois: feche e reabra o Antigravity (diretório de plugin novo só é descoberto no startup) e habilite hermes-kit na página de Plugins.

Verificação

python selftest.py            # 25 checagens rápidas, arquivos reais
python selftest.py --image    # inclui image_generate (ComfyUI, ~45 s)
python selftest.py --full     # inclui MossFormer2

Cada linha imprime OK/FAIL, o tempo e o nome do arquivo produzido. Nada é simulado: se aparece OK, o arquivo existe em out\.

Exemplo: take bruto -> reels pronto

media_probe(input="take.mp4")
audio_transcribe(input="take.mp4", out_format="srt")
audio_denoise(input="take.mp4", engine="mossformer2")      # -> take_sem-ruido.mp4
video_edit(input="take_sem-ruido.mp4", action="trim", start=3.2, duration=38)
video_edit(input=<trim>.mp4, action="to_vertical")         # 1080x1920, crop, sem tarja
video_edit(input=<vert>.mp4, action="burn_subs", srt=<srt>)
audio_loudnorm(input=<final>.mp4, lufs=-14)
media_probe(input=<final_norm>.mp4)                        # prova a entrega

Pitfalls que já custaram tempo

• Caminho nativo no ffmpeg (C:/...), nunca MSYS (/c/...).

• subtitles exige o : do drive escapado (C\:/...) — o kit já faz.

• concat precisa dos pads intercalados [v0][a0][v1][a1].

• NVENC cai para libx264 sozinho quando o driver não suporta (fallback na resposta).

• MossFormer2 devolve (canais, amostras) — sem transpor, dobra a duração.

• faster-whisper 1.2.1 + PyAV 19 quebram em metadata_errors: o kit passa ndarray e nunca deixa o whisper abrir o arquivo.

• CDP: browser.close() fecha o Chrome do usuário; o kit só encerra a sessão do Playwright. Navegar sem tab abre aba nova, para não sequestrar a aba em uso.

• Chrome do usuário: nunca taskkill chrome.exe para "destravar" a porta.

Licença

MIT — veja LICENSE.