Skip to main content
Glama
sdvsdrv8990

Video Pipeline MCP Server

by sdvsdrv8990

Video Pipeline MCP 서버

MCP 서버로 비디오 파이프라인을 관리합니다. cloudflared 터널을 통해 Claude AI Web과 작동합니다.

상태 (2026-07): 데이터 관리 계층 구현됨(파일, 테이블/Excel, 채널 구조, 검색) + 방화벽 + 전송. 프로덕션 비디오 파이프라인(음성/자막/이미지/편집) — 개발 중. 엔터프라이즈 수준 달성을 위한 계획: docs/roadmap/. 범례: ✅ 구현됨 · 🟠 스텁/부분적 · 🔲 계획.

프로젝트 구조 (실제)

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/)

현재 도구 (52개 in tools/list): ✅ fs_* (파일), table_*/json_* (테이블), excel_* (워크북), structure_* (템플릿으로 채널/비디오 생성), search_* (검색); 🟠 tts_*/stt_*/img_*/video (미디어 — 스텁).

Related MCP server: Video MCP

설치

./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)

절약: 기본 설치 시 무거운 라이브러리(torch ~3GB, stable-ts, litellm, onnxruntime) 없이 설치됩니다. 이들은 느리게 임포트되며 선택적 그룹으로 분리됩니다. 순수 기본 서버는 작동하며, 미디어 도구는 PROVIDER_NOT_CONFIGURED / LOCAL_INFERENCE_FAILED를 정직하게 응답합니다.

실행

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

의존성

진실의 원천은 pyproject.toml (pip install -e .)입니다. 기본 정확한 핀은 requirements.lock입니다. dev 도구는 pip install -e ".[dev]", 미디어는 pip install -e ".[media]", 로컬 ML 추론은 pip install -e ".[local]" (AMD GPU의 경우 pip install -e ".[gpu-amd]").

기본 (필수, ~50MB)

패키지

목적

pydantic

계약 (ToolResult, ErrorDetail)

openpyxl

Excel 작업

pyyaml · jsonschema

설정 읽기 · 스키마에 따른 params 검증

aiohttp

터널 뒤 서버의 HTTP 전송

cryptography

아티팩트 서명 (S9), 인스턴스 키

Media (요청 시, .[media])

패키트

목적

httpx

공급자 클라우드 게이트웨이에 대한 HTTP 클라이언트

litellm

온라인 모델(STT/TTS/IMG)에 대한 통합 액세스

onnxruntime · pillow

배경 제거, 업스케일 (ONNX 그래프)

ffmpeg-python

비디오 작업

Local (요청 시, .[local] — 수 GB 런타임)

패키트

목적

torch · torchaudio

로컬 추론 런타임

stable-ts

로컬 전사 (whisper)

piper-tts · diffusers · transformers

음성 생성, 이미지 생성

cloudflared — 바이너리(pip 아님), install.sh로 설치.

개발

개발 계획, 발견 사항 및 표준 사양: docs/roadmap/. 기능 개선 제안: 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