Skip to main content
Glama
sdvsdrv8990

Video Pipeline MCP Server

by sdvsdrv8990

Video Pipeline MCP Server

Servidor MCP para gestionar el pipeline de video. Funciona con Claude AI Web a través de un túnel cloudflared.

Estado (2026-07): se ha implementado la capa de gestión de datos (archivos, tablas/Excel, estructura de canales, búsqueda) + firewall + transporte. El pipeline de video de producción (locución/transcripción/imágenes/montaje) — en desarrollo. Plan para alcanzar el nivel corporativo: docs/roadmap/. Leyenda a continuación: ✅ implementado · 🟠 provisional/parcial · 🔲 plan.

Estructura del proyecto (real)

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/)

Herramientas actuales (52 en tools/list): ✅ fs_* (archivos), table_*/json_* (tablas), excel_* (libros), structure_* (creación de canales/videos según plantillas), search_* (búsqueda); 🟠 tts_*/stt_*/img_*/video (media — provisionales).

Related MCP server: Video MCP

Instalación

./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)

Ahorro: la base se instala sin librerías pesadas (torch ~3 GB, stable-ts, litellm, onnxruntime) — se importan de forma diferida y se agrupan en grupos opcionales. El servidor funciona con la base limpia, y las herramientas multimedia responden honestamente con PROVIDER_NOT_CONFIGURED / LOCAL_INFERENCE_FAILED.

Ejecución

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

Dependencias

La fuente de verdad es pyproject.toml (pip install -e .); los pines exactos de la base — requirements.lock; herramientas de desarrollo — pip install -e ".[dev]"; media — pip install -e ".[media]"; inferencia ML local — pip install -e ".[local]" (y pip install -e ".[gpu-amd]" para tarjetas AMD).

Base (obligatoria, ~50 MB)

Paquete

Propósito

pydantic

contratos (ToolResult, ErrorDetail)

openpyxl

trabajo con Excel

pyyaml · jsonschema

lectura de configuraciones · validación de params según esquema

aiohttp

transporte HTTP del servidor tras el túnel

cryptography

firma de artefactos (S9), clave de instancia

Media (bajo demanda, .[media])

Paquete

Propósito

httpx

Cliente HTTP para puertas de enlace en la nube de proveedores

litellm

Acceso unificado a modelos online (STT/TTS/IMG)

onnxruntime · pillow

Eliminación de fondo, mejora de escala (grafo ONNX)

ffmpeg-python

Operaciones de video

Local (bajo demanda, .[local] — gigabytes de runtime)

Paquete

Propósito

torch · torchaudio

Runtime de inferencia local

stable-ts

Transcripción local (whisper)

piper-tts · diffusers · transformers

Locución, generación de imágenes

cloudflared — binario (no pip), se instala con install.sh.

Desarrollo

Plan de desarrollo, hallazgos y canon del spec: docs/roadmap/. Propuestas de mejora de funciones: docs/roadmap/spec/IMPROVEMENTS.md.

Related MCP Connectors

Related MCP Servers