Skip to main content
Glama
sdvsdrv8990

Video Pipeline MCP Server

by sdvsdrv8990

Video Pipeline MCP Server

MCP-Server zur Verwaltung der Video-Pipeline. Arbeitet mit Claude AI Web über einen cloudflared-Tunnel.

Status (2026-07): Die Datenschicht (Dateien, Tabellen/Excel, Kanalstruktur, Suche) + Firewall + Transport sind implementiert. Die produktive Video-Pipeline (Sprachausgabe/Transkription/Bilder/Schnitt) befindet sich in Entwicklung. Plan zur Erreichung des Unternehmensniveaus: docs/roadmap/. Legende unten: ✅ implementiert · 🟠 Platzhalter/teilweise · 🔲 geplant.

Projektstruktur (aktuell)

video_pipeline_mcp/
├── server.py              ✅ точка входа: MCP-эндпоинт + туннель; регистрация инструментов
├── pyproject.toml         ✅ сборка/зависимости (PEP 621) · requirements.lock — точные пины
├── install.sh · run.sh    ✅ установка (.venv + cloudflared) · запуск (--tunnel)
│
├── config/                ✅ декларации (поведение, НЕ код)
│   │                          (конфиг канала с S22 — не файл, а 7 листов channel_data.xlsx:
│   │                           RESOURCE_LIMITS, WORKFLOW_SEQUENCES, PUBLISHING_SCHEDULE,
│   │                           METADATA_DEFAULTS, AUTOMATION_RULES, SCENE_PROFILE, RENDER_CONFIG)
│   ├── server_reactions.yaml  ✅ реестр реакций (коды → класс + recovery)
│   ├── firewall.yaml          ✅ правила файрвола
│   ├── tunnel.yaml            ✅ конфиг туннеля (gitignored — секрет)
│   └── templates/
│       ├── workspace/         ✅ 6 шаблонов: niche/network/channel/video/competitor_channel/competitor_video
│       └── tables/            🔲 схемы книг (*.schema.yaml) — воркстрим A1′
│
├── core/                  — ядро (бизнес-логика)
│   ├── contracts/         ✅ Pydantic: ToolResult, ErrorDetail, Fact, TaskStatus
│   ├── engine/            ✅ generic-движок + template_engine
│   ├── firewall/          ✅ файрвол + rules/ (rate_limit, injection, ip_blocklist, anomaly)
│   ├── state/             ✅ read.json / write.json / session log
│   ├── reactions/         ✅ читалка server_reactions
│   ├── ids/               ✅ генерация ID + link_registry
│   ├── tables/ · excel/   ✅ слой таблиц и Excel-книг
│   ├── search/            ✅ поиск по ФС/таблицам (FsSearcher + QueryPlanner)
│   ├── transport/         ✅ туннель к Claude (transport + tunnel)
│   ├── runner/            ✅ инференс в отдельном процессе: сервис на петле + супервизор
│   ├── paths.py           ✅ containment путей в workspace/
│   └── providers/         🟠 адаптеры провайдеров (заглушки — в разработке)
│       ├── stt/ (stable-ts) · tts/ (LiteLLM) · img/ (LiteLLM) · ffmpeg/ (внешний MCP)
│
├── tools/                 🔲 тонкие обёртки Bounded Context (план: вынос из server.py, A2)
├── pipeline/              🔲 оркестрация процессов (entry_points + steps) — план
├── scripts/               🔲 утилиты (план: introspect_tables.py — A1′)
├── docker/                ✅ образ раннера (среда инференса заперта в контейнере)
├── tests/                 ✅ quick/ (unit) + симуляции (virus/bot_army/cache_*/…)
└── docs/
    ├── dev/               — история файлов, спеки (gitignored)
    └── roadmap/           ✅ план развития до корпоративного уровня + канон спек (spec/)

Aktuelle Werkzeuge (52 in tools/list): ✅ fs_* (Dateien), table_*/json_* (Tabellen), excel_* (Arbeitsmappen), structure_* (Erstellung von Kanälen/Videos nach Vorlagen), search_* (Suche); 🟠 tts_*/stt_*/img_*/video (Media – Platzhalter).

Related MCP server: Video MCP

Installation

./install.sh            # .venv + БАЗОВЫЕ зависимости + cloudflared
./install.sh --media    # + облачные/HTTP-провайдеры и ONNX (bg_removal/upscale)
./install.sh --local    # + локальный ML-инференс (torch/stable-ts/piper/diffusers)
./install.sh --gpu-amd  # + локальный инференс на карте AMD (rocm-сборка torch)

Einsparung: Die Basis wird ohne schwere Bibliotheken installiert (torch ~3 GB, stable-ts, litellm, onnxruntime) – diese werden lazy importiert und in optionale Gruppen ausgelagert. Der Server funktioniert auf reiner Basis, Media-Werkzeuge antworten ehrlich mit PROVIDER_NOT_CONFIGURED / LOCAL_INFERENCE_FAILED.

Start

./run.sh              # сервер + туннель (--no-tunnel — только локально)

Abhängigkeiten

Wahrheitsquelle ist pyproject.toml (pip install -e .); exakte Pins der Basis – requirements.lock; Dev-Werkzeuge – pip install -e ".[dev]"; Media – pip install -e ".[media]"; lokale ML-Inferenz – pip install -e ".[local]" (und pip install -e ".[gpu-amd]" für AMD-Karten).

Basis (obligatorisch, ~50 MB)

Paket

Zweck

pydantic

Verträge (ToolResult, ErrorDetail)

openpyxl

Arbeit mit Excel

pyyaml · jsonschema

Lesen von Konfigurationen · Validierung von Parametern nach Schema

aiohttp

HTTP-Transport des Servers hinter dem Tunnel

cryptography

Signierung von Artefakten (S9), Instanzschlüssel

Media (auf Anfrage, .[media])

Paket

Zweck

httpx

HTTP-Client zu Cloud-Gateways der Anbieter

litellm

einheitlicher Zugriff auf Online-Modelle (STT/TTS/IMG)

onnxruntime · pillow

Hintergrundentfernung, Upscaling (ONNX-Graph)

ffmpeg-python

Video-Operationen

Local (auf Anfrage, .[local] – Gigabyte an Laufzeit)

Paket

Zweck

torch · torchaudio

Laufzeit der lokalen Inferenz

stable-ts

lokale Transkription (whisper)

piper-tts · diffusers · transformers

Sprachausgabe, Bildgenerierung

cloudflared – Binärdatei (nicht pip), wird mit install.sh installiert.

Entwicklung

Entwicklungsplan, Erkenntnisse und Kanon der Spezifikationen: docs/roadmap/. Vorschläge zur Funktionsverbesserung: docs/roadmap/spec/IMPROVEMENTS.md.

F
license - not found
-
quality - not tested
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • MCP server for Wan AI video generation

  • MCP server for Clipkit — gives AI agents a video toolbox via the Clipkit schema.

  • MCP server for Google Veo AI video generation

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/sdvsdrv8990/vpipe_mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server